★ 2
EMGBlend:面向手势与力解码的异构自监督预训练
论文提出EMGBlend自监督框架,针对公共表面肌电数据集在电极布局、通道数和频率支持上的差异,结合共享通道补丁与几何感知注意力,将频谱目标限制在各记录支持的频带内并平衡数据源曝光。在11个公共EMG源上预训练1.09亿参数模型,在手势识别、连续力回归和接触分类上持续优于随机初始化和波形重建对照。
arXiv cs.LG40 天前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出EMGBlend自监督框架,针对公共表面肌电数据集在电极布局、通道数和频率支持上的差异,结合共享通道补丁与几何感知注意力,将频谱目标限制在各记录支持的频带内并平衡数据源曝光。在11个公共EMG源上预训练1.09亿参数模型,在手势识别、连续力回归和接触分类上持续优于随机初始化和波形重建对照。
研究将基于 Transformer 的机器学习模型用于实时手势识别,数据来自 Unity 中通过 OpenXR 标准采集的手部追踪信息。作者利用手部关节位置与手腕旋转角度训练自定义识别系统,借助 Transformer 的序列建模能力捕捉短手势窗口内的时间依赖,并在不同手部朝向与尺寸下实现稳健分类…