본 논문은 서로 형태학적으로 유사하지만 의미적으로는 다른 제스처를 구별하는 데 어려움을 겪는 독립 수화 인식(ISLR) 문제를 해결하기 위해 Dual-SignLanguageNet(DSLNet)을 제안합니다. DSLNet은 손 모양과 움직임 궤적을 별도의 좌표계에서 모델링하는 이중 참조, 이중 스트림 아키텍처를 사용합니다. 손목 중심 좌표계를 사용하여 시점에 무관한 형태 분석을 수행하고, 얼굴 중심 좌표계를 사용하여 상황 인식 궤적 모델링을 수행합니다. 형태 분석에는 위상 인식 그래프 합성곱을, 궤적 모델링에는 Finsler 기하학 기반 인코더를 사용하며, 기하학 기반 최적 전송 융합 메커니즘을 통해 두 스트림을 통합합니다. 실험 결과 WLASL-100, WLASL-300, LSA64 데이터셋에서 각각 93.70%, 89.97%, 99.79%의 정확도를 달성하여 경쟁 모델보다 훨씬 적은 파라미터로 최첨단 성능을 보였습니다.
