手話翻訳にトランスフォーマーベースのアーキテクチャを導入。

手話ビデオ音声言語翻訳モデルとグロス音声言語翻訳モデルの両方を凌駕し、場合によっては性能が2倍以上2倍以上になることもある(9.58対21.80　BLEU-4スコア)。