公司殷亚凤老师课题组近期在长手语视频分割领域取得新进展：首次定义了长手语视频自动分割任务，并提出了一种基于边界学习的句子级手语视频分割技术。该技术能够将连续的长手语视频自动分割为多个句子级视频片段，缓解现有句子级手语数据集规模有限、标注成本高的问题，并推动长手语视频理解等相关领域的发展。

Sentence-level Segmentation for Long Sign Language Videos with Captions. 手语理解研究通常依赖于句子级样本，但由于标注成本高，现有数据集往往规模有限，难以支撑更大范围的研究与应用。为此，该研究工作首次定义了长手语视频自动分割任务，旨在将长时间手语视频自动分割为句子级视频片段，从而构建句子级视频样本，推动手语理解领域的研究。然而，长手语视频中往往缺乏显著的句子级转换标志，并且分割任务中常见的过分割和欠分割问题，使得手语分割任务面临诸多挑战。为此，该研究工作提出了一种基于边界学习的句子级手语视频分割技术。首先，提出多帧边界标注策略，将句子边界检测形式化为逐帧分类任务，解决了边界帧稀缺与分布不平衡的问题。其次，设计多模态分割框架，通过双向膨胀注意力同时捕捉长时依赖和局部细节，并借助门控跨模态注意力引入文本信息，提升句子级视频边界学习的准确性。然后，提出基于不确定性和文本句子数约束的边界优化机制，有效缓解过分割和欠分割现象，进一步提升视频分割的准确性。最后，在多个公开数据集上验证了该方法的有效性：能够有效地检测长手语视频中的句子边界，实现句子级手语视频分割技术。

该项研究工作已被 The 33rd ACM International Conference on Multimedia（MM 2025，CCF-A类会议）录用。欢迎对该研究工作感兴趣的学术同行来信交流：yafeng@nju.edu.cn。