摘要

自动手语翻译（SLT）向口语语言转换的技术进展，以往主要基于规模有限且领域受限的数据集进行评估。本研究通过在大规模、多领域的How2Sign数据集上提供首个基准测试结果，推动了该领域的技术发展。我们基于I3D视频特征，采用Transformer模型进行训练，并以简化版的BLEU作为验证指标，而非广泛使用的标准BLEU分数。实验结果显示，该方法在BLEU评分上达到8.03分。此外，我们公开发布了首个同类开源实现，旨在促进该领域后续研究的进一步发展。