LiteEMG-FM 高效可部署 EMG 基础模型
热点事件持续更新
LiteEMG-FM 高效可部署 EMG 基础模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Tianhao Wu 等作者发布 LiteEMG-FM，一个面向 EMG 传感的混合 CNN-Transformer 基础模型，在 16 个上下肢 EMG 数据集上预训练，可跨用户与数据集泛化。 该模型采用分层唤醒架构：常驻轻量 1D-CNN 过滤静息与非目标活动，仅在有效手势时激活主模型；论文评估了完全卸载、拆分推理与全端侧处理三种部署方式。 作者称，在零校准跨参与者与数据稀缺条件下，LiteEMG-FM 表现优于 SOTA 时间序列基础模型和监督基线。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
LiteEMG-FM：面向鲁棒 EMG 传感的高效可部署基础模型报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGLiteEMG-FM：面向鲁棒 EMG 传感的高效可部署基础模型
LiteEMG-FM 是一个混合 CNN-Transformer 基础模型，在 16 个上下肢 EMG 数据集上预训练，可跨用户与数据集泛化。它采用分层唤醒架构，由常驻轻量 1D-CNN 过滤静息与非目标活动，仅在有效手势时激活主模型，并评估了完全卸载、拆分推理与全端侧处理三种部署方式。在零校准跨参与者与数据稀缺条件下，其表现优于 SOTA 时间序列基础模型和监督基线。
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。