扩散合成数据预训练提升活动识别
热点事件观察中
扩散合成数据预训练提升活动识别
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者提出一种两阶段训练方法：先用扩散模型生成的合成传感器数据窗口预训练 CABiGRU，再在真实数据上微调，以提升活动识别模型的泛化能力并缓解少数类欠拟合。 在 DEO（drinking/eating/other）数据集上，该流程取得 90.6% 的平衡准确率，优于强监督基线。
AI 根据报道生成 · 14 小时前更新
最新进展10月5日 12:00
基于扩散模型合成数据预训练提升活动识别性能报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv cs.LG基于扩散模型合成数据预训练提升活动识别性能
研究者提出用扩散模型生成合成传感器数据窗口，对 CABiGRU 采用两阶段训练：先在合成数据上预训练，再在真实数据上微调。在 DEO（drinking/eating/other）数据集上，该流程取得 90.6% 的平衡准确率，优于强监督基线，缓解了少数类欠拟合问题。
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。