2.4 Conclusiones
En este capítulo, hemos efectuado una revisión del estado actual del tratamiento computacional de las lengua de signos. En la sección 2.1 hemos comenzado analizando distintos métodos de reconocimiento de LS, ya que la captura precisa del contenido lingüístico de vídeos o imágenes representa el punto de partida esencial para cualquier tipo de traducción o procesamiento subsiguiente. Al respecto, hemos explorado diversas técnicas de IA y visión artificial, tales como el aprendizaje profundo, que allanan el terreno para un procesamiento que sin ellas se torna impracticable.
Sin embargo, para realizar un procesamiento efectivo de la LS es necesario primero entender sus matices y características intrínsecas. Solamente mediante una comprensión profunda podremos abordar una traducción que capture realmente el significado deseado. En este sentido, en la sección 2.2, hemos llevado a cabo un análisis lingüístico de las LS que nos provee del marco conceptual requerido para trabajar con ella de manera efectiva. Como conclusión de este examen teórico, hemos podido constatar la importancia crucial para nuestro objetivo de contar con sistemas de representación adecuados para las lenguas de signos.
En la sección 2.3 hemos evaluado varios de estos sistemas de representación, culminando con un enfoque en la SignoEscritura. Este sistema se presenta como icónico y visual, siendo intuitivo para los usuarios de las LS y poseyendo la capacidad de capturar, dada su naturaleza altamente fonética, todos los matices de la lengua sin estar circunscrito a un paradigma lingüístico concreto. No obstante, la naturaleza gráfica de la SignoEscritura plantea desafíos para su procesamiento computacional, y superar este obstáculo se convirtió en la meta de los objetivos técnicos de esta tesis, que convergieron en la realización del proyecto VisSE descrito en el siguiente capítulo.
Como resultado adicional del análisis teórico realizado, hemos delineado una descripción sofisticada y basada en rasgos de la LS. Aunque este análisis ha sido esbozado de forma muy superficial en este capítulo, sienta las bases para los distintos desarrollos posteriores, y planeamos publicarlo de manera más completa en una etapa posterior. También podemos ver reflejado este conocimiento indirectamente en el esquema de anotación de SignoEscritura utilizado en el corpus VisSE, como se detalla en el capítulo 7. Este esquema de anotación complejo se deriva directamente del conocimiento lingüístico adquirido, y es lo que posibilita en secciones posteriores la consecución del objetivo técnico de procesamiento mediante IA que nos habíamos planteado.