W-JEPA 提升可穿戴活动识别准确率
热点事件持续更新
W-JEPA 提升可穿戴活动识别准确率
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Yogesh Prabhu、Loki Natarajan 和 Jingjing Zou 提出 W-JEPA，一个用于可穿戴活动识别的自监督框架。它把惯性运动窗口组织成按尺度、传感器轴和时间索引的小波 token 网格，通过预测被掩码 token 的表示来学习人体运动的跨尺度、跨轴结构。 在六个可穿戴活动基准上，W-JEPA 在随机窗口划分下优于现有最优方法；在留出受试者时，其平均 macro-F1 比最强已发表基线提升 8.7 个百分点。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
W-JEPA：面向可穿戴活动识别的小波联合嵌入预测架构报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LGW-JEPA：面向可穿戴活动识别的小波联合嵌入预测架构
W-JEPA 是一个自监督框架，将惯性运动窗口组织为按尺度、传感器轴和时间索引的小波 token 网格，并预测被掩码 token 的表示，从而学习人体运动的跨尺度、跨轴结构。在六个可穿戴活动基准上，W-JEPA 在随机窗口划分下优于现有最优方法，在留出受试者时平均 macro-F1 比最强已发表基线提升 8.7 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。