8月10日
10:45
10:45官方账号arXiv cs.LG@Ioannis Ziogas, Ensieh Khazaei, Bilal Taha, Aamna Al Shehhi, Ahsan H. Khandoker, Leontios J. Hadjileontiadis, Dimitrios Hatzinakos
arXiv 论文提出 OmniDecVAEs 框架,扩展 DecVAEs 学习模态条件时频潜在子空间,可同时处理分类、解纠缠表示、融合与生成。在多达 30 个模态的人类活动识别任务中,OmniDecVAEs 相比 Transformer 和 VAE 方法,活动识别准确率提升 1.01%,身份识别准确率提升 6.75%。合成数据的平均绝对误差改善 76.84%,最大均值差异改善 13.85%。模型仅 4.1M 参数,适合边缘可穿戴设备。
推荐理由:这篇论文发了个叫 OmniDecVAEs 的框架,能把几十个传感器数据揉在一起,分类和生成都行,参数才 4.1M,比 Transformer 还准。