शोधकर्ताओं ने VTaMo प्रस्तुत किया, एक फ्रेमवर्क जो अंतर्निहित क्रॉस-मोडल संरेखण पर निर्भर करने के बजाय स्पष्ट बहु-कणिका संरेखण पेश करके साइन भाषा अनुवाद को बेहतर बनाता है। मॉडल वीडियो और टेक्स्ट को तीन स्तरों पर संरेखित करता है: एंट्रापी-रेगुलाइज्ड ऑप्टिमल ट्रांसपोर्ट के माध्यम से स्थानीय फ्रेम-टू-टोकन अनुरूपता, अर्थ मोवर डिस्टेंस (Earth Mover's Distance) का उपयोग करके वैश्विक एम्बेडिंग कैलिब्रेशन, और पोजीशन-अलाइंड कंट्रास्टिव लर्निंग।
- स्थानीय संरेखण सूक्ष्म अनुरूपता के लिए एक सीखने योग्य नल टोकन का उपयोग करता है।
- वैश्विक संरेखण एम्बेडिंग स्पेस ज्यामिति को कैलिब्रेट करने के लिए एक ऑर्थोगोनल ट्रांसफॉर्मेशन का उपयोग करता है।
- पोजीशन-अलाइंड कंट्रास्टिव लर्निंग विभेदक टोकन-स्तरीय प्रतिनिधित्व प्रदान करता है।
Phoenix-2014T, CSL-Daily, How2Sign, और OpenASL पर प्रयोगों ने स्थिर स्टेट-ऑफ़-द-आर्ट (state-of-the-art) प्रदर्शन दिखाया है, जिसमें एब्लेशन ने प्रत्येक घटक के पूरक योगदान की पुष्टि की है।