Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/55917

Título:

Reconocimiento automático de glosas LSU en discurso continuo

Otros títulos:

Coordinador:

Director:

Compilador:

Autor:

Bervejillo Rosa, Manu
Techera Fernández, Facundo
Valle Lisboa Quintana, Emilio

Tutor:

Chiruzzo, Luis
Stassi, Ariel

Tipo de documento:

Tesis de grado

Editor:

Palabras clave:

Lengua de señas uruguaya
LSU
Computer vision
Clasificación
Keypoints
Segmentador

Descriptores:

Año de publicación:

2026

Contenido:

Resumen:

Los avances recientes en aprendizaje profundo han mejorado significativamente las soluciones a problemas de clasificación y traducción automática, impactando también en el desarrollo de sistemas de reconocimiento de lenguas de señas. Sin embargo, la investigación en este campo se ha visto limitada por la escasez de datos anotados, especialmente para lenguas poco documentadas como la Lengua de Señas Uruguaya (LSU). Recientemente, un equipo del CIBPsi ha generado el primer conjunto de datos de glosas de videos de intérpretes de LSU, habilitando por primera vez la investigación computacional sobre esta lengua. Este proyecto aborda el reconocimiento automático de señas LSU, tanto en su variante aislada como en la detección en video continuo (sign spotting). A partir de 27 videos anotados con glosas, se construye un dataset curado de 446 glosas y 17.793 instancias mediante un pipeline de normalización, filtrado y extracción de keypoints corporales con MediaPipe. Para el reconocimiento aislado se entrenan y comparan dos arquitecturas basadas en keypoints: SPOTER (Transformer) y MSG3D (red convolucional de grafos), obteniendo esta última los mejores resultados con una accuracy Top-1 de 32,7% sobre 446 clases. Para el reconocimiento continuo se implementan dos enfoques: un pipeline con segmentador temporal (MS-TCN) seguido de clasificación, y un enfoque de ventana deslizante. La evaluación se realiza mediante un sistema jerárquico de tres niveles que mide detección temporal, reconocimiento Top-5 y reconocimiento Top-1, utilizando métricas de F1 e IoU. Si bien el rendimiento obtenido no es suficiente para su aplicación directa en un entorno real, el trabajo constituye el primer antecedente de entrenamiento y evaluación de modelos de reconocimiento automático de LSU sobre el nuevo dataset, identificando fortalezas y limitaciones de cada enfoque y sentando bases para futuras investigaciones en el área.

Descripción:

Editorial:

Udelar. FI.

EN:

Financiadores:

Citación:

Bervejillo Rosa, M., Techera Fernández, F. y Valle Lisboa Quintana, E. Reconocimiento automático de glosas LSU en discurso continuo [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2026.

Citación:

metadata.cc.license.name:

Documento del Gobiberno:

URI:

https://hdl.handle.net/20.500.12008/55917

ISBN:

e-ISBN:

ISSN:

ISMN:

Otros identificadores:

Título Obtenido:

Ingeniero en Computación

Facultad o Servicio que otorga el Título:

Universidad de la República (Uruguay). Facultad de Ingeniería.

Licencia:

Licencia Creative Commons Atribución - No Comercial (CC - By-NC 4.0)

Cobertura geográfica:

Cobertura temporal:

metadata.dc.relation.IsVersionOf:

Clasificación:

Es versión de:

Colecciones:

Tesis de grado
FicherosDescripciónTamañoFormato
Principal BTV26.pdf Tesis de grado 3.33 MB Adobe PDF
Mostrar el registro Dublin Core completo del ítem