MorphCL：惯性人体活动识别的自监督预训练框架

Marius Bock 等作者发布论文，提出 MorphCL——一种面向惯性人体活动识别的自监督预训练框架，通过结构感知分组，将全局结构的显式建模引入惯性数据自监督学习（SSL）。作者称，其学习编码器在线性探测与微调上的 F1-score 最高提升 15 个百分点。 与现有基础模型相比，MorphCL 的预训练编码器在线性探测上持平或超越，且训练数据用量少 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，改善了运动学相似活动类别的分离。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。