본 논문은 서로 형태적으로 유사하지만 의미적으로는 다른 수화 동작을 인식하는 데 어려움을 겪는 독립 수화 인식(ISLR) 문제를 해결하기 위해 Dual-SignLanguageNet(DSLNet)을 제안합니다. DSLNet은 손 모양과 움직임 궤적을 별개의 좌표계에서 모델링하는 이중 참조, 이중 스트림 아키텍처를 사용합니다. 손목 중심 좌표계에서 형태를 모델링하고 얼굴 중심 좌표계에서 맥락을 고려한 궤적을 모델링하여, Topology-aware graph convolution과 Finsler geometry-based encoder를 통해 각각의 특징을 추출합니다. 최종적으로 Geometry-driven optimal transport fusion mechanism을 통해 두 특징을 통합합니다. 실험 결과 WLASL-100, WLASL-300, LSA64 데이터셋에서 경쟁 모델보다 적은 파라미터로 최첨단 성능(각각 93.70%, 89.97%, 99.79%)을 달성했습니다.
