Este artículo propone Dual-SignLanguageNet (DSLNet) para abordar el reto del Reconocimiento Independiente del Lenguaje de Señas (ISLR), que presenta dificultades para distinguir entre gestos morfológicamente similares pero semánticamente distintos. DSLNet emplea una arquitectura de doble referencia y doble flujo que modela la forma de la mano y las trayectorias de movimiento en sistemas de coordenadas separados. Realiza análisis de forma independiente del punto de vista mediante un sistema de coordenadas centrado en la muñeca y modelado de trayectorias sensible al contexto mediante un sistema de coordenadas centrado en el rostro. Utiliza convolución de grafos sensible a la topología para el análisis de forma y un codificador basado en geometría de Finsler para el modelado de trayectorias, integrando ambos flujos mediante un mecanismo de fusión de transferencia óptima basado en geometría. Los resultados experimentales demuestran que DSLNet alcanza precisiones del 93,70 %, 89,97 % y 99,79 % en los conjuntos de datos WLASL-100, WLASL-300 y LSA64, respectivamente, lo que demuestra un rendimiento de última generación con significativamente menos parámetros que los modelos de la competencia.
