跳到正文
热点事件持续更新

CGM 模型在自闭症刻板行为检测中表现优异

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Hafsa Aslam 等人于 2026 年 11 月 19 日向 arXiv 提交了论文,提出一种名为 CGM(混沌引导图注意力与专家路由)的计算机视觉模型。该模型旨在通过关节运动的不规则性而非幅度来识别自闭症患者的刻板行为。在包含 116 个视频的交叉验证测试中,CGM 模型达到了 0.930 的平衡准确率,比基线高出 0.187;在未重新训练的 Panoptic Studio 数据集上,其特异性达到 0.86,显著优于无混沌引导的基线(0.35)。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    CGM:混沌引导图注意力与专家路由用于自闭症刻板行为检测

    CGM 模型通过混沌引导的图注意力机制,利用关节运动不规则性而非幅度来识别自闭症视频中的刻板行为。在 116 个视频的交叉验证中,该模型达到 0.930 平衡准确率,比基线高 0.187;在未重训的 Panoptic Studio 测试中特异性达 0.86,远超无混沌基线的 0.35。

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。