BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20260902T092433Z LAST-MODIFIED:20260902T092433Z DTSTAMP:20260907T220608Z UID:1788807968@tuc.gr SUMMARY:Παρουσίαση διπλωματικής εργασίας κας Όλγας Λαντζουράκη - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.tuc.gr/el/to-polytechnei o/ilektronikes-ypiresies/imerologio/ imerologio-ekdiloseon-1?tx_tucevents 2_tuceventsdisplay%5Baction%5D=show& tx_tucevents2_tuceventsdisplay%5Bcon troller%5D=Event&tx_tucevents2_tucev entsdisplay%5Bevent%5D=8652&cHash=e8 a2d067f6541c72efbb164d84aabaed\nΠΟΛΥ ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\ n Πρόγραμμα Προπτυχιακών Σπουδών\n Π ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Όλ γας Λαντζουράκη\n με θέμα\n Μοντέλο Παραγωγής Νοηματικής Γλώσσας: Προσεγ γίσεις Ανάκτησης και Παραγωγικές Μέθ οδοι\n Text to Sign Language Product ion Model: Retrieval Based and Gener ative Approaches\n Εξεταστική Επιτρο πή\n Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης (επιβλέπων)\n Καθηγήτρι α Aικατερίνη Μανιά \n Καθηγητής Μιχα ήλ Λαγουδάκης\n Περίληψη\n Η Παραγωγ ή Νοηματικής Γλώσσας (Sign Language Production, SLP) παράγει κίνηση νοημ ατικής από γραπτό κείμενο και παραμέ νει σημαντικά λιγότερο διερευνημένη από την αναγνώριση, παρά τις δυνατότ ητές της να βελτιώσει την προσβασιμό τητα για τις κοινότητες των κωφών. Η εργασία συνεισφέρει έξι ολοκληρωμέν α συστήματα SLP που μετατρέπουν ελεύ θερο κείμενο σε συνεχή δισδιάστατη κ ινούμενη απεικόνιση σκελετού, σε τρε ις οικογένειες: ανάκτηση πραγματικού βίντεο εκπαίδευσης, υβριδική προσέγ γιση που εκλεπτύνει παραγωγικά το αν ακτημένο βίντεο, και πλήρη σύνθεση μ ε διαχωρισμένο διανυσματικά κβαντισμ ένο αυτοκωδικοποιητή και αιτιακό μετ ασχηματιστή κίνησης. Και τα έξι εκπα ιδεύτηκαν στο How2Sign Αμερικανικής Νοηματικής και επανεκπαιδεύτηκαν στο PHOENIX14T, όπου ο επίσημος μηχανισ μός αξιολόγησης του διαγωνισμού SLRT P2025 επιτρέπει άμεση σύγκριση με δη μοσιευμένες εργασίες. Ολόκληρη η ροή αναπαράγεται σε λιγότερο από δεκαπέ ντε ώρες σε μία καταναλωτική κάρτα γ ραφικών.\n Στη μετρική Total Distanc e του διαγωνισμού, που ποσοτικοποιεί πόση κίνηση νοηματικής παράγει ένα σύστημα, τα συστήματα ανάκτησης πλησ ιάζουν την πραγματική νοηματική περι σσότερο από κάθε δημοσιευμένη συμμετ οχή, συμπεριλαμβανομένου του νικητή του διαγωνισμού, ενώ στην ίδια μετρι κή τα παραγωγικά συστήματα βελτιώνον ται έναντι της γραμμής βάσης Progres sive Transformer. Οι τρεις οικογένει ες αποδεικνύονται συμπληρωματικές κα ι όχι ιεραρχικά κατατασσόμενες: η αν άκτηση προσφέρει αυθεντική ανθρώπινη άρθρωση, η υβριδική διατηρεί καλύτε ρα τον ρυθμό της φυσικής νοηματικής, και η πλήρης σύνθεση γενικεύει πέρα από το σύνολο εκπαίδευσης. Η διόρθω ση μιας διαρροής δεδομένων σε επίπεδ ο πρότασης στον τυπικό διαχωρισμό το υ How2Sign θεμελιώνει τις συγκρίσεις αυτές σε στέρεη βάση.\n Δύο ακόμη δ ιαγνωστικά αποτελέσματα αφορούν την ίδια την αξιολόγηση. Οι μετρικές θέσ ης, στη μορφή ενιαίας αναφοράς, αποτ υπώνουν την αληθοφάνεια της στάσης, την οποία μετρούν αξιόπιστα, και όχι τη σημασιολογική ορθότητα ενώ οι βα θμολογίες αντίστροφης μετάφρασης εξα ρτώνται από το αν ο αναγνωριστής έχε ι συναντήσει τις στάσεις κατά την εκ παίδευση, καθώς το BLEU-4 του σε στά σεις από το δικό του σύνολο εκπαίδευ σης είναι 6,2 φορές υψηλότερο από ό, τι σε άγνωστες στάσεις. Τα ευρήματα αυτά καθορίζουν τι οφείλει να ελέγχε ι μια αξιόπιστη σημασιολογική μετρικ ή και οριοθετούν τι μπορεί να πιστωθ εί στα έξι συστήματα. Η κατασκευή μι ας τέτοιας μετρικής αποτελεί την κύρ ια κατεύθυνση για μελλοντική έρευνα. \n Abstract \n Sign Language Product ion (SLP) generates signing motion f rom written text and remains far les s explored than recognition, despite its potential to improve accessibil ity for deaf communities. This thesi s develops six complete SLP systems that turn free text into a continuou s two-dimensional skeleton animation , within the scope of three families : retrieval of a real training clip, a hybrid that refines a retrieved c lip generatively, and full synthesis from a split vector-quantised autoe ncoder and a causal motion transform er. All six are trained on the How2S ign corpus of American Sign Language and retrained on the German PHOENIX 14T corpus, where the official evalu ator of the SLRTP2025 challenge allo ws direct comparison against publish ed work. The complete pipeline repro duces in under fifteen hours on a si ngle consumer GPU.\n On Total Distan ce, the challenge measure of how muc h signing motion a system produces, the retrieval systems come closer to real signing than every published e ntry including the challenge winner, and on that same measure the genera tive systems improve on the Progress ive Transformer baseline. The three families represent complimentary app roaches rather than a rank order: th e retrieval systems provide genuine human articulation, the hybrid appro ach best preserves the tempo of natu ral signing, and the fully generativ e systems extend to sentences absent from the training corpus. Correctin g a sentence-level data leak in the standard How2Sign split places these comparisons on sound footing\n Two further diagnostic results regard ev aluation itself. Positional metrics in their single-reference form are s hown to capture pose plausibility, w hich they measure reliably, rather t han semantic correctness. Back-trans lation scores depend on whether the recognizer has seen the poses in tra ining, since its BLEU-4 on poses fro m its own training partition is 6.2 times that on unseen poses. Together these establish what a trustworthy semantic metric must control for, an d delimit what the six systems can b e credited with. Constructing such a metric is the primary direction for future work.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260917T100000 DTEND:20260917T110000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR