MorphCL自监督预训练框架提出
热点事件持续更新
MorphCL自监督预训练框架提出
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Marius Bock等作者提出面向惯性传感器人类活动识别的自监督预训练框架 MorphCL。该框架通过结构感知分组，把全局结构建模注入基于惯性数据的自监督学习方法。 作者报告称，MorphCL 在线性探测和微调任务上的 F1-score 最高提升 15 个百分点；与现有基础模型相比，其预训练编码器在线性探测性能上持平或超越，而训练数据用量少 4600 倍。作者还称，其嵌入空间呈现形态学上有意义的聚类结构，运动学相似的活动类别分离度更好。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
MorphCL：面向惯性传感器人类活动识别的形态学对比学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.LGMorphCL：面向惯性传感器人类活动识别的形态学对比学习框架
MorphCL 是一种自监督预训练框架，通过结构感知分组将全局结构建模注入基于惯性数据的 SSL 方法，在 F1-score 上使线性探测和微调结果最高提升 15 个百分点。与现有基础模型相比，MorphCL 预训练编码器在线性探测性能上持平或超越，而训练数据用量少 4600 倍。其嵌入空间呈现形态学上有意义的聚类结构，运动学相似的活动类别分离度更好。
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。