我院2020级硕士研究生张文博（导师：崔振超）学术论文：Spatial–temporal transformer for end-to-end sign language recognition被计算模拟以及智能分析和可视化领域的国际学术期刊《Complex & Intelligent Systems》全文录用。

手语是听障人群的主要语言，全球有4.66亿人遭受听力影响，预计到2050年有近25亿人遭受听力损害。手语识别是为了识别和解释交互过程中手势含义的过程，不仅仅对听障人士的日常交流起到至关重要的作用，还可以在某些特定的社会场景提供帮助。本研究旨在探讨使用连续手语识别算法提高手语识别的准确性。为了解决手语视频的长期语义依赖问题，提出了一种基于Transformer的时空特征提取方法。该模型能够捕获视频帧的空间特征信息，同时关注连续帧的上下文语义信息。该模型能更有效地提取出丰富的手语特征，从而提高识别精度。本文的工作是在传统Transformer模型[41]的基础上，结合手语视频序列的特点进行网络设计。具体而言，我们针对手语视频帧的长序列，设计了一种分块操作，将手语视频映射成易于处理的序列，以方便模型学习和训练，并提出了用于端到端连续手语识别的时空Transformer模型，包含向量化模块、一个时空特征编码器和一个动态解码器。时空特征编码器可以区分时间和空间特征，注意力模块的一部分只关注时间维度上的上下文特征，另一部分提取视频帧的空间动态特征，通过这种设计，可以将不同头部的注意结果进行聚合，从而增强手语视频特征的提取。

《Complex & Intelligent Systems》期刊由SPRINGER HEIDELBERG出版商出版，收稿方向涵盖COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE全领域，影响因子指数6.7，是JCR Q1，SCI二区期刊。