Toward Deployable Bangla Sign Language Recognition with Expert-Validated Data and a Lightweight Attention-Based Model
RSBdSL38 数据集包含 10,874 张专家验证的图片，覆盖孟加拉手语（BdSL）全部 38 个手语符号，代表孟加拉字母表的 51 个字母，数据来自孟加拉三所特殊教育学校的真实手语者。研究者提出一个轻量级注意力卷积网络，参数量为 298,470，从零训练在 RSBdSL38 上达到 96.37% 的准确率（五种子平均 95.72% ± 0.54%），比九种 ImageNet 预训练高效架构的最佳结果低 1.08 个百分点，但参数少 8.5 到 68 倍，MACs 少 1.3 到 21.7 倍。在六个公开 BdSL 基准上重新训练后准确率为 92.95% 到 98.33%，在合并语料上为 97.04%，在 BdSL-38 上零样本准确率为 76.25%。
Development
- First ReportToward Deployable Bangla Sign Language Recognition with Expert-Validated Data and a Lightweight Attention-Based ModelarXiv cs.AI
- Current Assessment该研究聚焦于孟加拉手语识别，属于低资源语言和边缘设备场景。它展示了在数据稀缺且计算受限的环境中，通过专家验证数据和高效模型设计实现可用性能的可能性。这可能推动更多针对少数语言和残障人士的 AI 应用发展，但商业化落地仍需考虑数据收集成本、模型部署和用户接受度。Agent Pulse · analysis
孟加拉国聋人和听障人士主要使用孟加拉手语（BdSL）交流。在个人设备上自动识别 BdSL 可以扩大教育和服务的获取。现有系统使用无专家验证的受控数据集和重量级预训练骨干，不适合设备端使用。研究者引入 RSBdSL38，包含 10,874 张专家验证的图片，覆盖全部 38 个 BdSL 手语符号，代表孟加拉字母表的 51 个字母，数据来自孟加拉三所特殊教育学校的真实手语者。他们提出一个轻量级注意力卷积网络，参数量为 298,470，由分组瓶颈残差块、通道和空间注意力、多尺度深度手部特征块、双池化和 Swish 激活构成。从零训练，该网络在 RSBdSL38 上达到 96.37% 的准确率（五种子平均 95.72% ± 0.54%），比九种 ImageNet 预训练高效架构的最佳结果低 1.08 个百分点，但参数少 8.5 到 68 倍，MACs 少 1.3 到 21.7 倍。重新训练后，在六个公开 BdSL 基准上达到 92.95% 到 98.33% 的准确率，在合并语料上为 97.04%，在 BdSL-38 上零样本准确率为 76.25%。
该工作表明，在特定领域（如手语识别）中，从零训练的轻量级模型可以接近甚至媲美预训练大模型的性能，同时大幅降低计算需求。其架构设计（分组瓶颈残差块、注意力机制、多尺度特征）可能为设备端视觉任务提供可复用的模式。但需注意，该结果基于单一数据集和特定任务，泛化性有待验证。下一步可观察该架构在其他低资源视觉任务上的表现，以及是否能在更严格的设备端约束下保持性能。
该研究聚焦于孟加拉手语识别，属于低资源语言和边缘设备场景。它展示了在数据稀缺且计算受限的环境中，通过专家验证数据和高效模型设计实现可用性能的可能性。这可能推动更多针对少数语言和残障人士的 AI 应用发展，但商业化落地仍需考虑数据收集成本、模型部署和用户接受度。
对于面向残障人士的辅助技术公司，该研究提供了一种低成本、高精度的设备端手语识别方案，可能降低服务成本并扩大用户覆盖。对于移动设备厂商，轻量级模型有助于在低端设备上提供 AI 功能，提升产品竞争力。但商业化需考虑数据授权、模型优化和本地化支持。
未来，该轻量级模型有望部署到移动设备或嵌入式设备，为孟加拉手语用户提供实时识别服务。但需进一步验证其在真实场景中的鲁棒性，并扩大数据覆盖以提升零样本能力。此外，该架构可能迁移到其他手语或手势识别任务。