אייל פשה
צור קשר אימייל

מחקר IEEE

WMSM: זיהוי שפת סימנים ישראלית בזמן אמת — מחקר IEEE עם יישום מעשי.

ארכיטקטורת למידה עמוקה לזיהוי ותרגום שפת סימנים ישראלית, שפורסמה ב-IEEE FLLM 2025 בווינה והוטמעה באפליקציית iOS חיה.

מאת אייל פשה (Eyal Pasha) וד"ר גלית חיים · IEEE FLLM 2025 · 26 בנובמבר, 2025

פרסום אקדמי

WMSM: An Efficient Real-Time Framework for Hebrew Sign Language Recognition and Sentence-Level Translation

אייל פשה / ד"ר גלית חיים

IEEE FLLM 2025 | November 26, 2025

מודל WMSM מציע אלטרנטיבה יעילה למודלי ה-Seq2Seq הכבדים, תוך התבססות על מודל זיהוי מילים ומנגנון חדשני להרכבת משפטים בזמן אמת עבור שפת סימנים. הארכיטקטורה מוכיחה כי חילוץ נתוני מיקום (Landmarks) מרחביים של כפות הידיים מספיק לטובת זיהוי מחוות מדויק, וכי שימוש בפונקציית Loss ייעודית שומר על יציבות ורציפות התרגום גם בשידור וידאו חי.

  • דיוק של 97.29% ברמת המילה וציון BLEU-4 של 21.15 בתרגום משפטים.
  • צמצום זמן האימון ל-24 שעות GPU בלבד (הפחתת עלות חישובית של 99.93%).
  • פייפליין אוגמנטציה מורכב שהרחיב 2,342 סרטונים ל-252,712 דגימות אימון.
  • הוטמע באפליקציית iOS חיה (Handibur) לשיחות וידאו עם תרגום בזמן אמת ב-40 FPS.
  • הוצג בכנסים בינלאומיים בווינה ובישראל.
קריאת המאמר (PDF) IEEE ResearchGate Scholar ORCID

הקשר

ממחקר אקדמי לאפליקציה חיה — המסלול המלא.

WMSM לא נשאר כמאמר בלבד. הארכיטקטורה עברה מהמעבדה לאפליקציית iOS פעילה.

מחקר

פרסום IEEE

מאמר אקדמי כחוקר ראשי שהוצג בכנס IEEE FLLM 2025 בווינה. מציע ארכיטקטורה קלת-משקל שמחליפה מודלי Seq2Seq כבדים.

מוצר

Handibur — אפליקציית iOS

המודל הוטמע באפליקציית שיחות וידאו עם תרגום סימולטני של שפת סימנים ישראלית בזמן אמת ב-40 FPS.

אקדמיה

המכללה למינהל (COLMAN)

המחקר נערך במסגרת התואר הראשון במדעי המחשב בראשון לציון, תחת הנחיית ד"ר גלית חיים.

שאלות נפוצות

שאלות שאנשים שואלים על מחקר WMSM ושפת סימנים ישראלית.

תשובות על הארכיטקטורה, התוצאות, והמעבר מאקדמיה למוצר.

מה זה WMSM ומה המחקר הזה עושה?

WMSM (Word-level Model and Sentence Mechanism) היא ארכיטקטורת למידה עמוקה שפיתח אייל פשה לזיהוי ותרגום שפת סימנים ישראלית (ISL) בזמן אמת. במקום להשתמש במודלי Seq2Seq כבדים, WMSM מפרקת את הבעיה לשני שלבים: זיהוי מילים (Word-level Model) ומנגנון הרכבת משפטים (Sentence Mechanism). המחקר פורסם בכנס IEEE FLLM 2025 בווינה.

מה התוצאות העיקריות של מחקר WMSM?

המחקר השיג דיוק של 97.29% בזיהוי מילים, דיוק Top-3 של 99.72%, וציון BLEU-4 של 21.15 בתרגום משפטים. בנוסף, הארכיטקטורה הפחיתה את עלויות האימון ב-99.93% ביחס לסטנדרט הקיים בתעשייה, כאשר כל האימון הושלם ב-24 שעות GPU בלבד. פייפליין אוגמנטציה מורכב הרחיב מאגר של 2,342 סרטונים ל-252,712 דגימות אימון.

האם המחקר הפך למוצר אמיתי?

כן. המודל הוטמע באפליקציית iOS חיה בשם Handibur, המאפשרת שיחות וידאו עם תרגום סימולטני של שפת סימנים ישראלית בקצב של 40 פריימים לשנייה (FPS). זה אחד ההיבטים הייחודיים של המחקר — המעבר מאקדמיה למוצר מעשי שמשרת את קהילת החרשים בישראל.

איפה אפשר לקרוא את מאמר WMSM?

המאמר זמין במספר פלטפורמות: באתר IEEE Xplore (הפרסום הרשמי), ב-ResearchGate, ב-Google Scholar, וכ-PDF ישיר באתר eyalpasha.com. המחקר נערך במסלול האקדמי המכללה למינהל (COLMAN) בראשון לציון תחת הנחיית ד"ר גלית חיים.

קריאה נוספת

עוד על העבודה של אייל פשה.

LegalTech AI

בינה מלאכותית לעורכי דין

פיתוח מערכת ההפעלה הליגלית הראשונה בעולם המבוססת על AI.

להמשך קריאה

מפתח AI

מפתח AI/ML בישראל

מבט מקרוב על העבודה בבינה מלאכותית בישראל.

להמשך קריאה
חזרה לעמוד הראשי English Version