본 논문은 자연어를 수화로 번역하는 과제의 어려움과 데이터 부족 문제를 해결하기 위해, 대규모 언어 모델(LLM)을 활용한 새로운 방법인 AulSign을 제안합니다. AulSign은 동적 프롬프팅과 샘플 선택 및 후속 수화 연관을 통한 문맥 내 학습을 활용하여 LLM의 텍스트 처리 능력을 수화 번역에 적용합니다. LLM의 수화에 대한 지식 부족 문제는 수화를 자연어 설명과 연결하여 해결하며, SignBank+와 LaCAM CNR-ISTC 데이터셋을 사용하여 영어와 이탈리아어에 대한 실험을 통해 기존 최고 성능 모델보다 낮은 데이터 환경에서 우수한 성능을 보임을 입증합니다. 이는 소외된 언어 공동체를 위한 접근성과 포용성을 향상시킬 잠재력을 가지고 있습니다.
