연구진이 다국어 수어 번역(SLT) 모델인 Q-BridgeNet을 제안했어요. Q-BridgeNet은 수어와 음성 언어 간의 언어적 충돌을 줄이는 데 초점을 맞췄어요.
수어 측면에서는 공유된 기본 코드북과 언어별 잔여 코드북을 활용해 Q-유닛을 학습하고, 음성 언어 측면에서는 다국어 LLM을 활용해 통합된 SLT 모델을 구축했어요.
PHOENIX14T, How2Sign, CSL-Daily 데이터셋에서 실험 결과, Q-BridgeNet은 기존 모델보다 뛰어난 성능을 보였으며, 비-네이티브 번역에서도 강한 일반화 능력을 입증했어요.