通过自空间、时间和类别引导约束，在连续手语识别中缓解过拟合，提升模型特征多样性。
薛万利 · Ze, Kang · Guo, Leming · Shourui, Yang · Yuan, Tiantian · Chen, Shengyong
IEEE Transactions on Consumer Electronics 2023
自引导约束让模型在训练时从自身获得更丰富的监督信号，避免依赖单一损失函数。
在RWTH-2014数据集上词错误率降至19.5%，优于现有主流方法。
模型生成自己的软标签作为帧级别监督，减少对人工标注的依赖。