①WSLRを利用したnews signsとisolated signsのドメン不変特徴表現を学習する手法の提案；②新たなmemory-augmented temporal attentionを提案.

複数のWSLR datasetsにおいてSOTAな精度を達成．さらに，sign newsからsignsを28.1 (AP@0.5)の精度でLocalizationできた．

①従来のWord-level Sign Language Recognition (WSLR)に学習データが不足する問題がある．この文章でWSLRとSign newsのDomain不変特徴を表示することにより、より大規模なWSLRのデータセットの構築を可能にした．②sign languageあたりの研究が重要だが，CVであまり研究されていないところもある．