MCSTN：不完整传感器数据下的活动识别新框架
热点事件持续更新
MCSTN：不完整传感器数据下的活动识别新框架
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
研究者提出端到端框架 MCSTN，直接从不完整观测窗口及其掩码预测人体活动，无需先重建信号或估计噪声水平。作者称，在 PAMAP2、Opportunity、WISDM 三个数据集的不完美观测下，平均 macro-F1 分别达 94.24%、91.67%、96.22%，均优于对比方法。 该模型参数量不足一百万，单样本推理延迟 3.78 ms。上述性能数字为作者报告结果，尚待独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
MCSTN：面向低质量可穿戴传感器数据的缺失条件时空融合人体活动识别框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIMCSTN：面向低质量可穿戴传感器数据的缺失条件时空融合人体活动识别框架
研究者提出端到端框架 MCSTN，直接从不完整观测窗口及其掩码预测人体活动，无需先重建信号或估计噪声水平。在 PAMAP2、Opportunity、WISDM 上，不完美观测下平均 macro-F1 分别达 94.24%、91.67%、96.22%，各数据集均优于对比方法。模型参数量不足一百万，单样本推理延迟 3.78 ms。
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。