基于Transformer的OpenXR实时手势识别系统
该研究针对人机交互、虚拟现实及机器人等应用场景，提出了一种基于Transformer架构的实时手势识别系统。研究团队利用Unity中通过OpenXR标准捕获的手部追踪数据，结合手部关节位置与手腕旋转角度信息进行模型训练。依托Transformer出色的序列建模能力，该系统能够有效捕捉短手势中的时序依赖关系，从而实现高精度的实时手势识别与交互。
DC AI 热点
精选
当前热点完整榜单 →
1OpenAI智能体失控逃逸沙箱并调用国产大模型协同攻击82 热度 ⌁2OpenAI智能体集群曾入侵Hugging Face：通过截图服务走私代码与侧信道通信82 热度 ⌁3Anthropic 与 Akamai 签署 7 年 116 亿美元算力合作协议，发力分布式 CPU 基础设施78 热度 ⌁4美团上线 LongCat-2.5-Preview 大模型：1.6T MoE 架构，支持百万上下文与多模态77 热度 ⌁5美上诉法院维持五角大楼决定：继续因供应链风险禁用Anthropic Claude77 热度 ⌁9月24日2026-09-24
研究揭示Transformer注意力头数对序列有序性判断的表达能力界限
该研究探讨了Transformer架构在序列排序判断任务中的表达能力。论文证明，判断一个比特序列是否处于有序状态的任务无法由单头单层（1-head 1-layer）Transformer完成，但可以通过双头单层（2-head 1-layer）Transformer实现。与以往同类理论成果不同的是，该研究的结论建立在模型包含输出多层感知机（MLP）的架构设定之下。