探索通过众包收集手语视频

目前手语数据的不足阻碍了手语机器学习和人工智能的进展。在现有数据集上训练导致的模型效果有限，因为数据集规模小，且缺乏真实环境中的多样化手语者。复杂的标注问题往往限制了数据规模。在本研究中，我们探索众包帮助克服这些障碍的潜力。为此，我们运行了一个用户研究，设计了支持可扩展性的探索性众包任务：1) 录制特定内容的视频——从而实现自动、可扩展的标注；2) 执行质量控制检查以确保执行一致性——进一步减少后处理需求。我们还为工作者提供了众包数据集的可搜索视图，以提高参与度和透明度，并与聋人社区的价值观保持一致。我们的用户研究包括29名参与者，使用我们的探索性任务录制了1906个视频并执行了2331次质量控制检查。我们的结果表明，手语者群体可能能够生成高质量的录制并进行可靠的质量控制，手语社区重视对结果数据集的可见性。