11:07arXiv cs.AI@Amir Mousavi, Mohammad Sadegh Sirjani, Erfan Nourbakhsh, Mimi Xie, Rocky Slavin, Leslie Neely, John Davis, John Quarles精选实时认知负荷评估对自适应人机交互至关重要,但受限于标注数据少和跨个体泛化差。CogAdapt提出LeadBridge适配器,将3导联可穿戴信号转换为12导联临床格式,并结合ProFine渐进微调策略,防止灾难性遗忘。在CLARE和CL-Drive数据集上,CogAdapt的宏F1分数分别达0.626和0.768,显著优于从头训练的基线模型。该工作证明了基础模型迁移在可穿戴设备上实现个体无关认知负荷评估的可行性。论文ECG基础模型认知负荷评估可穿戴设备迁移学习CogAdapt推荐理由:做可穿戴设备或脑机接口的团队,终于有了一个把临床大模型直接用到低导联设备上的实用方案——CogAdapt的LeadBridge适配器解决了传感器不匹配的痛点,建议做认知负荷评估的开发者直接参考。原文
11:06arXiv cs.AI@Amir Mousavi, Mohammad Sadegh Sirjani, Erfan Nourbakhsh, Mimi Xie, Rocky Slavin, Leslie Neely, John Davis, John Quarles精选眼动追踪数据在实时认知负荷评估中面临两大挑战:眨眼和追踪失败导致的数据频繁缺失,以及长时程依赖的高效建模。MambaGaze框架通过显式缺失数据建模(XMD编码)和双向Mamba-2结构解决这些问题,在CLARE和CL-Drive数据集上分别达到76.8%和73.1%的准确率,超越CNN、Transformer等基线4-12个百分点。在NVIDIA Jetson边缘设备上实现43-68 FPS的实时推理,功耗低于7.5W,适合可穿戴认知负荷监测场景。该工作为安全关键应用(如驾驶员警觉监控、自动化驾驶舱辅助)提供了可行的AI方案。论文认知负荷评估眼动追踪Mamba缺失数据建模边缘部署推荐理由:眼动数据缺失是认知负荷评估的长期痛点,MambaGaze用双向Mamba显式建模缺失模式,做可穿戴AI或人机交互的团队可以直接参考其边缘部署方案。原文