BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20260902T092433Z LAST-MODIFIED:20260902T092433Z DTSTAMP:20260909T124618Z UID:1788947178@tuc.gr SUMMARY:Παρουσίαση διπλωματικής εργασίας κας Όλγας Λαντζουράκη - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8652&cHash=6b59007f777c09f fa70b1c419787c01c\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Όλγας Λαντζουρά κη\n με θέμα\n Μοντέλο Παραγωγής Νοη ματικής Γλώσσας: Προσεγγίσεις Ανάκτη σης και Παραγωγικές Μέθοδοι\n Text t o Sign Language Production Model: Re trieval Based and Generative Approac hes\n Εξεταστική Επιτροπή\n Αναπληρω τής Καθηγητής Ευάγγελος Καλογεράκης (επιβλέπων)\n Καθηγήτρια Aικατερίνη Μανιά \n Καθηγητής Μιχαήλ Λαγουδάκης \n Περίληψη\n Η Παραγωγή Νοηματικής Γλώσσας (Sign Language Production, S LP) παράγει κίνηση νοηματικής από γρ απτό κείμενο και παραμένει σημαντικά λιγότερο διερευνημένη από την αναγν ώριση, παρά τις δυνατότητές της να β ελτιώσει την προσβασιμότητα για τις κοινότητες των κωφών. Η εργασία συνε ισφέρει έξι ολοκληρωμένα συστήματα S LP που μετατρέπουν ελεύθερο κείμενο σε συνεχή δισδιάστατη κινούμενη απει κόνιση σκελετού, σε τρεις οικογένειε ς: ανάκτηση πραγματικού βίντεο εκπαί δευσης, υβριδική προσέγγιση που εκλε πτύνει παραγωγικά το ανακτημένο βίντ εο, και πλήρη σύνθεση με διαχωρισμέν ο διανυσματικά κβαντισμένο αυτοκωδικ οποιητή και αιτιακό μετασχηματιστή κ ίνησης. Και τα έξι εκπαιδεύτηκαν στο How2Sign Αμερικανικής Νοηματικής κα ι επανεκπαιδεύτηκαν στο PHOENIX14T, όπου ο επίσημος μηχανισμός αξιολόγησ ης του διαγωνισμού SLRTP2025 επιτρέπ ει άμεση σύγκριση με δημοσιευμένες ε ργασίες. Ολόκληρη η ροή αναπαράγεται σε λιγότερο από δεκαπέντε ώρες σε μ ία καταναλωτική κάρτα γραφικών.\n Στ η μετρική Total Distance του διαγωνι σμού, που ποσοτικοποιεί πόση κίνηση νοηματικής παράγει ένα σύστημα, τα σ υστήματα ανάκτησης πλησιάζουν την πρ αγματική νοηματική περισσότερο από κ άθε δημοσιευμένη συμμετοχή, συμπεριλ αμβανομένου του νικητή του διαγωνισμ ού, ενώ στην ίδια μετρική τα παραγωγ ικά συστήματα βελτιώνονται έναντι τη ς γραμμής βάσης Progressive Transfor mer. Οι τρεις οικογένειες αποδεικνύο νται συμπληρωματικές και όχι ιεραρχι κά κατατασσόμενες: η ανάκτηση προσφέ ρει αυθεντική ανθρώπινη άρθρωση, η υ βριδική διατηρεί καλύτερα τον ρυθμό της φυσικής νοηματικής, και η πλήρης σύνθεση γενικεύει πέρα από το σύνολ ο εκπαίδευσης. Η διόρθωση μιας διαρρ οής δεδομένων σε επίπεδο πρότασης στ ον τυπικό διαχωρισμό του How2Sign θε μελιώνει τις συγκρίσεις αυτές σε στέ ρεη βάση.\n Δύο ακόμη διαγνωστικά απ οτελέσματα αφορούν την ίδια την αξιο λόγηση. Οι μετρικές θέσης, στη μορφή ενιαίας αναφοράς, αποτυπώνουν την α ληθοφάνεια της στάσης, την οποία μετ ρούν αξιόπιστα, και όχι τη σημασιολο γική ορθότητα ενώ οι βαθμολογίες αντ ίστροφης μετάφρασης εξαρτώνται από τ ο αν ο αναγνωριστής έχει συναντήσει τις στάσεις κατά την εκπαίδευση, καθ ώς το BLEU-4 του σε στάσεις από το δ ικό του σύνολο εκπαίδευσης είναι 6,2 φορές υψηλότερο από ό,τι σε άγνωστε ς στάσεις. Τα ευρήματα αυτά καθορίζο υν τι οφείλει να ελέγχει μια αξιόπισ τη σημασιολογική μετρική και οριοθετ ούν τι μπορεί να πιστωθεί στα έξι συ στήματα. Η κατασκευή μιας τέτοιας με τρικής αποτελεί την κύρια κατεύθυνση για μελλοντική έρευνα.\n Abstract \ n Sign Language Production (SLP) gen erates signing motion from written t ext and remains far less explored th an recognition, despite its potentia l to improve accessibility for deaf communities. This thesis develops si x complete SLP systems that turn fre e text into a continuous two-dimensi onal skeleton animation, within the scope of three families: retrieval o f a real training clip, a hybrid tha t refines a retrieved clip generativ ely, and full synthesis from a split vector-quantised autoencoder and a causal motion transformer. All six a re trained on the How2Sign corpus of American Sign Language and retraine d on the German PHOENIX14T corpus, w here the official evaluator of the S LRTP2025 challenge allows direct com parison against published work. The complete pipeline reproduces in unde r fifteen hours on a single consumer GPU.\n On Total Distance, the chall enge measure of how much signing mot ion a system produces, the retrieval systems come closer to real signing than every published entry includin g the challenge winner, and on that same measure the generative systems improve on the Progressive Transform er baseline. The three families repr esent complimentary approaches rathe r than a rank order: the retrieval s ystems provide genuine human articul ation, the hybrid approach best pres erves the tempo of natural signing, and the fully generative systems ext end to sentences absent from the tra ining corpus. Correcting a sentence- level data leak in the standard How2 Sign split places these comparisons on sound footing\n Two further diagn ostic results regard evaluation itse lf. Positional metrics in their sing le-reference form are shown to captu re pose plausibility, which they mea sure reliably, rather than semantic correctness. Back-translation scores depend on whether the recognizer ha s seen the poses in training, since its BLEU-4 on poses from its own tra ining partition is 6.2 times that on unseen poses. Together these establ ish what a trustworthy semantic metr ic must control for, and delimit wha t the six systems can be credited wi th. Constructing such a metric is th e primary direction for future work. \n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260917T100000 DTEND:20260917T110000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR