🎉 Три статьи на EMNLP 2026 (WSLP) Мы уже писали ранее, что все три наши работы про распознавание дактиля приняты на WSLP-2026 в рамках EMNLP в Будапеште. Вчера наконец-то состоялась презентация работ. К сожалению, авторы не смогли присутствовать очно, но наш коллега @Victor131116 героически привез постеры и отвечал на вопросы посетителей! О чем статьи? 📚 Bukva: Russian Sign Language Alphabet https://arxiv.org/abs/2410.08675 Первый открытый датасет для распознавания дактильной азбуки РЖЯ: 3757 видео, 33 буквы (включая 8 динамических), 155 носителей языка. Бейзлайн на легковесных TSM + MobileNetV2 даёт 83,6% top-1 accuracy и работает в реальном времени на одном ядре среднего CPU. На его основе мы сделали демо-тренажёр для изучения дактиля. 🤟 HandReader: Advanced Techniques for Efficient Fingerspelling Recognition https://arxiv.org/abs/2505.10267 Семейство из трёх архитектур для распознавания дактиля: HandReader_RGB (с новым модулем TSAM, который обрабатывает видео разной длины без паддинга и обрезки), HandReader_KP (с кодировщиком ключевых точек ладони) и HandReader_RGB+KP, объединяющий обе модальности. Получили SOTA на зарубенжых бенчмарках ChicagoFSWild+ (75,6) и лучший результат на ChicagoFSWild среди моделей, обученных только на собственном претрейне. ✍️ Znaki: A Russian Fingerspelling Recognition Dataset Первый открытый датасет непрерывного дактилирования для РЖЯ: 37252 видео (35,4 часа), 1593 уникальные последовательности (имена собственные из 16 категорий), 68 носителей РЖЯ (в том числе сертифицированные переводчики). Сбор шёл через краудсорсинг с двухэтапным отбором исполнителей и экспертной валидацией. Бейзлайны, адаптированные под американский жестовый язык ASL, выдают метрику до 0,932 по 1−CER и 0,596 по sequence accuracy. 🖥️ Код выложим в открытый доступ. #release #emnlp2026 #conference