본 논문은 수어 번역에서 데이터 부족 문제를 해결하기 위해 대규모 언어 모델(LLM)을 통합한 새로운 훈련이 필요 없는 수어 식별 및 위치 확인(Sign Spotting) 프레임워크를 제시합니다. 기존의 접근 방식과 달리, 본 연구는 전역 시공간 및 손 모양 특징을 추출하여 동적 시간 왜곡 및 코사인 유사도를 사용하여 대규모 수어 사전과 비교합니다. LLM은 미세 조정 없이 빔 서치를 통해 문맥 인식 어휘 해석을 수행하여 매칭 과정에서 발생하는 노이즈와 모호성을 완화합니다. 합성 및 실제 수어 데이터셋을 사용한 실험 결과, 기존 방식보다 정확도와 문장 유창성이 향상됨을 보여줍니다.
