arXiv · 机器人与计算机视觉· Jiangtao Fan, Anish Jindal, Amir Atapour-Abarghouei·· 23 天前AI 评分38
MCSTN:基于缺失性条件的时空融合低质量可穿戴传感器人体活动识别方法
Missingness-Conditioned Spatio-Temporal Fusion for Human Activity Recognition from Low-Quality Wearable Sensor Data
AI 导读
MCSTN 提出一种端到端框架,通过掩码感知表示与完整至不完美多视图学习方案,在 PAMAP2、Opportunity 及 WISDM 数据集上实现平均宏 F1 分数分别为 94.24%、91.67% 和 96.22%,优于所有对比方法。该模型仅需少于百万参数,单样本推理延迟为 3.78ms,无需重建或噪声估计即可直接预测。
来源:arXiv · 机器人与计算机视觉 · arxiv.org