En förklarbar hybrid CNN–transformermodell för teckenspråksigenkänning på edge‑enheter med adaptiv fusion och kunskapsdestillation

Varför små verktyg för teckenspråk spelar roll

Miljarder dagliga samtal förlitar sig på handrörelser, ansiktsuttryck och kroppsspråk snarare än talade ord. Ändå kan de flesta telefoner, surfplattor och publika enheter fortfarande inte tolka teckenspråk, särskilt utanför engelsktalande länder. Denna artikel introducerar TinyMSLR, ett kompakt och förklarbart system för teckenspråksigenkänning utformat för att köra i realtid på små, låg‑effektenheter. Målet är att förvandla vanlig hårdvara till prisvärda, pålitliga kommunikationshjälpmedel för döva och hörselskadade människor världen över.

Citering: Lamaakal, I., Yahyati, C., Maleh, Y. et al. An explainable hybrid CNN–transformer model for sign language recognition on edge devices using adaptive fusion and knowledge distillation. Sci Rep 16, 7143 (2026). https://doi.org/10.1038/s41598-026-38478-8

Nyckelord: teckenspråksigenkänning, tiny machine learning, edge AI, förklarbar AI, flerspråkiga modeller