De Modelos Basados en Reglas a Arquitecturas de Transformadores de Aprendizaje Profundo para Sistemas de Procesamiento de Lenguaje Natural y Traducción de Lengua de Señas: Encuesta, Taxonomía y Evaluación del Rendimiento

Con el creciente número de personas Sordas y con Dificultades Auditivas en todo el mundo y la persistente escasez de intérpretes de lengua de señas certificados, existe una necesidad urgente de un sistema de traducción eficiente, impulsado por signos, integrado de extremo a extremo, desde signos a glosas, a texto y viceversa. Ha habido una gran cantidad de investigaciones sobre traducciones automáticas y revisiones relacionadas. Sin embargo, hay pocos trabajos sobre traducción automática de lengua de señas considerando la particularidad de que el lenguaje es continuo y dinámico. Este artículo tiene como objetivo abordar este vacío, proporcionando un análisis retrospectivo de la evolución temporal de los algoritmos de traducción automática de lengua de señas y una taxonomía de las arquitecturas de Transformadores, el enfoque más utilizado en la traducción de lenguajes. También presentamos los requisitos de un sistema de traducción automática de lengua de señas en tiempo real con un soporte de algoritmos de aprendizaje profundo precisos. Proponemos direcciones futuras de investigación para los sistemas de traducción de lengua de señas.