CRL：面向无 gloss 标注手语翻译与检索的内容与上下文表征学习

基于摘要分析。本文研究手语视频的表征学习，提出无须 gloss（词汇级标注）的预训练范式 C²RL，通过联合优化 Implicit Content Learning（ICL，隐式内容学习）与 Explicit Context Learning（ECL，显式上下文学习），支持 Sign Language Translation（SLT，手语翻译）和 Sign Language Retrieval（SLRet，手语检索）。来源标题使用 CRL，摘要中的方法名为 C²RL，二者写法存在差异。 作者认为，仅依赖视频与文本的非单调语义对齐，难以充分捕捉手语视频中复杂且依赖上下文的关键特征。ICL 侧重交流内容，学习手势中的细微差别、强调、时序和节奏；ECL 侧重手势的上下文含义及其到等义句子的转换。核心思路是同时学习内容细节与句子层面的语境语义，而非只依赖视频—文本语义对齐。摘要未提供模型结构、损失形式、训练数据规模或推理流程。 在无 gloss 标注的 SLT 任务中，作者报告 BLEU-4 分数在 P14T、CSL-daily、OpenASL、How2Sign 上分别提升 5.3、10.6、6.2、1.3；在 SLRet 任务中，作者报告 R@1 分数在 P14T、CSL-daily、How2Sign 上分别提升 8.3、14.4、5.9，并称为 OpenASL 的 SLRet 任务建立了新基线。摘要未说明这些增量对应的具体对照、数据划分和指标计分尺度，因此不能将其解释为相对百分比提升，也不宜跨数据集直接比较。 实验协议、消融及统计信息尚未验证；复现还需核对 ICL 与 ECL 的实现、联合优化方式、视频和文本预处理及评估设置。研究对象是手语视频与文本，摘要未提供 EEG 或 BCI 验证，不能据此认定其具有神经信号迁移效果；已有 EEG 相关工作尚未检索确认。