Release SignBridge-TSL-STGCN with compliance Model Card

README.md

@@ -19,6 +19,10 @@ pipeline_tag: video-classification
 
 # SignBridge-TSL-STGCN: Taiwanese Sign Language Recognition via ST-GCN
 
+<p align="center">
+  <b>English</b> | <a href="README_zh.md">繁體中文</a>
+</p>
+
 ## 1. Model Summary
 
 SignBridge-TSL-STGCN is a lightweight Spatial-Temporal Graph Convolutional Network (ST-GCN) engineered for isolated Taiwanese Sign Language (TSL) word recognition. The model models the spatial configuration of skeletal joints and their temporal evolution across frames, enabling real-time, low-latency sign language recognition suitable for mobile and edge deployments.

README_zh.md

@@ -0,0 +1,81 @@
+# SignBridge-TSL-STGCN: 台灣手語時空圖卷積識別模型
+
+<p align="center">
+  <a href="README.md">English</a> | <b>繁體中文</b>
+</p>
+
+## 1. 模型摘要 (Model Summary)
+
+SignBridge-TSL-STGCN 是專為「台灣手語（Taiwanese Sign Language, TSL）」獨立詞辨識研發之輕量化時空圖卷積神經網路（ST-GCN）模型。本模型透過人體骨架關節點之拓撲圖卷積與時間卷積，捕捉手語動作在時空序列中的動態特徵，具備邊緣端與即時環境下低延遲、高穩定度的辨識能力。
+
+- **研發單位**：SignBridge 專案團隊 (Taiwan)
+- **模型架構**：時空圖卷積神經網路（Spatial-Temporal Graph Convolutional Network, ST-GCN）
+- **輸入維度**：`(Batch_Size, Channels=2, Frames=64, Nodes=55)`
+- **關節拓撲**：55 節點（12 上半身姿態 + 21 左手掌指 + 21 右手掌指 + 1 雙肩中點虛擬根節點）
+- **主要權重檔**：`best_model.pt`
+- **開源授權**：Apache License 2.0
+- **官方儲存庫**：[https://huggingface.co/dYang1/SignBridge-TSL-STGCN](https://huggingface.co/dYang1/SignBridge-TSL-STGCN)
+
+---
+
+## 2. 開源與非中資合規聲明 (Compliance and Provenance)
+
+為符合數位發展部數位產業署「開源 AI 模型應用組」之競賽規範與資通安全查核，本模型聲明如下：
+
+1. **自主研發與非中資來源**：
+   - 本模型之網路架構設計、特徵管線邏輯、訓練流程及推論權重，均由台灣本地團隊自主研發完成。
+   - 核心框架均採用開源且具國際公信力之主流專案（PyTorch、OpenCV、MediaPipe），完全無使用任何源自中國大陸或受國際制裁實體之專有模型、私有權重或黑箱相依套件。
+2. **訓練資料在地合規**：
+   - 訓練語料皆採集自台灣手語（TSL）詞彙與日常會話情境，遵循台灣在地手語文法，無跨境不合規數據。
+3. **商業友善與完整開源**：
+   - 依 Apache-2.0 協議完整開源模型權重、圖架構代碼（`model.py`、`graph.py`）、特徵前處理邏輯（`extract.py`）與標籤對應表（`sign_language_words.json`）。
+
+---
+
+## 3. 骨架拓撲與特徵前處理 (Skeletal Layout & Preprocessing)
+
+特徵提取採用 55 個空間座標點（透過 MediaPipe Holistic 擷取）：
+- **上半身姿態 (節點 0–11)**：肩部、手肘、手腕、髖部關鍵節點。
+- **左手掌與指關節 (節點 12–32)**：完整 21 個手部關節鏈結。
+- **右手掌與指關節 (節點 33–53)**：完整 21 個手部關節鏈結。
+- **虛擬頸點 (節點 54)**：取雙肩中點作為全域空間幾何對齊與正規化原點。
+
+所有輸入序列皆在時間軸上等距重採樣至 64 幀，並依據雙肩距離進行空間尺度正規化。
+
+---
+
+## 4. 快速推論範例代碼 (Inference Snippet)
+
+```python
+import json
+import torch
+from model import build_from_checkpoint
+
+# 1. 載入模型檢查點
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+checkpoint = torch.load("best_model.pt", map_location=device)
+model, config = build_from_checkpoint(checkpoint)
+model.eval()
+
+# 2. 讀取台灣手語詞彙標籤
+with open("sign_language_words.json", "r", encoding="utf-8") as f:
+    vocab = json.load(f)
+
+# 3. 模擬輸入骨架特徵: (Batch=1, Channels=2, Frames=64, Nodes=55)
+dummy_skeleton = torch.randn(1, 2, 64, 55).to(device)
+
+# 4. 執行前向傳播
+with torch.no_grad():
+    logits = model(dummy_skeleton)
+    probabilities = torch.softmax(logits, dim=-1)
+    predicted_index = torch.argmax(probabilities, dim=-1).item()
+
+print(f"辨識結果 Gloss: {vocab[predicted_index]}")
+print(f"信心度 Confidence: {probabilities[0, predicted_index]:.4f}")
+```
+
+---
+
+## 5. 引用與授權 (Citation & License)
+
+本專案依 Apache License 2.0 條款授權釋出。若您在研究或商業專案中使用本權重或架構，請註明引用本儲存庫。