AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:轨迹数据增强×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月10日
12:08
12:08arXiv cs.LG@Adam Nordling
精选
该论文针对轨迹数据增强中随机选择轨迹的不足,提出了一个系统性的选择框架,评估了五种策略:Outlierness、Diversity、Representativeness、Uncertainty 和 Random。在四个数据集(动物行为、海事交通、城市交通)上测试后,发现系统性选择(尤其是 Outlierness 和 Uncertainty)比随机基线更稳定,在稀疏数据集中能修复拓扑断裂,但在高质量密集数据集中可能引入噪声。研究还指出,在高速运动场景中,标准扰动技术会导致特征空间发散,表明数据增强的价值是有条件的。
论文轨迹数据增强数据选择策略OutliernessUncertainty时空数据

推荐理由:做轨迹数据增强的团队终于有了选择策略的指导——Outlierness 和 Uncertainty 在稀疏场景下比随机采样更稳定,做动物行为或交通分析的开发者可以直接参考论文中的评估框架来优化自己的数据增强流程。
原文
精选全部日报登录