TEMPEST：角度间隔学习实现驾驶员识别
热点事件持续更新
TEMPEST：角度间隔学习实现驾驶员识别
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Kyle Musgrove 等作者发表 TEMPEST 模型，用 ArcFace 角度间隔损失训练时间卷积网络，把 60 秒多模态驾驶窗口映射为 96 维嵌入，支持无需重训练的动态注册。 在 45 名驾驶员的时序评测中，该模型取得 91.71% Rank-1 准确率，比最强 triplet-loss 基线高 58.4 个百分点；驾驶员池从 10 人增至 45 人时性能仅下降 4.3 个百分点。
AI 根据报道生成 · 7 小时前更新
最新进展10月7日 12:00
TEMPEST：基于角度间隔学习的时间嵌入实现可扩展驾驶员识别报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.LGTEMPEST：基于角度间隔学习的时间嵌入实现可扩展驾驶员识别
TEMPEST 是一种用 ArcFace 角度间隔损失训练的时间卷积网络嵌入模型，将 60 秒多模态驾驶窗口映射为 96 维嵌入，支持无需重训练的动态注册。在 45 名驾驶员的时序评测中，它取得 91.71% Rank-1 准确率，比最强 triplet-loss 基线高 58.4 个百分点；驾驶员池从 10 增至 45 时性能仅下降 4.3 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。