في عالم الذكاء الاصطناعي، لا تزال مشكلة التعرف التلقائي على لغات الإشارة التي تمثل أقلية كبيرة من المجتمع، قضية شائكة. نموذج TransSLR يأتي كحل مبتكر لمواجهة التحديات التي تواجه لغة الإشارة في وسط أفريقيا (CASL). على الرغم من أن وحدة قياس الأداء المتاحة، CASL-W60، أعطت دقة قصوى تبلغ 69.93%، إلا أن TransSLR نجح في تحقيق معدلات دقة جديدة تصل إلى 80.39%. كيف تمكن من ذلك؟

بدلاً من الاعتماد على نماذج سابقة ذات موارد عالية، تم تصميم TransSLR كبنية خفيفة من ترنسفورمر (Transformer) تم تدريبها من الصفر على تسلسل مواضع موحدة يتكون من 64 إطارًا. يتم الاعتماد على تمثيلات نقاط هندسية بدلاً من الصور التقليدية، مما يجعل النموذج قادرًا على التعميم دون الاعتماد على المظهر البصري.

حيث أظهرت التجارب واسعة النطاق أن TransSLR ليس فقط يتفوق في الأداء، بل أيضًا يقلل من الحمل الحاسوبي، مما يسهل استخدامه في بيئات ذات موارد محدودة. هذه النتيجة ليست مجرد تقدم تقني، بل تمثل خطوة كبيرة نحو تحقيق انصاف لغات الإشارة التي تمثلها المجتمعات التي تعاني من نقص الدعم التكنولوجي.