手语数据集规模化：全面盘点资源、基准与标注标准

手语作为聋人及听障群体使用的视觉语言，其技术发展长期受限于数据碎片化、标注不一致及语言覆盖不足等问题。近日，一项发表于arXiv的研究对全球手语数据集进行了系统性盘点，覆盖35种手语的120个资源，并深入剖析了当前数据集的三大核心挑战：模态失衡（如视频与文本数据比例失调）、标注粒度差异（从词汇级到句子级标注混杂），以及手语者多样性偏差。研究团队同时提出24字段的“手语数据表”规范，并开源GitHub仓库（https://github.com/Ginqwerty/Open-Sign-Language），旨在推动数据文档标准化与可复现评估。该工作为开发适用于真实场景的规模化手语识别、翻译与生成技术提供了实践框架，强调未来数据集设计需兼顾语言学完整性与社区实际沟通需求。