arXiv 机器学习· E. Riveros (Institute of Computing, State University of Campinas, Campinas, Brazil), D. Vega-Oliveros (Institute of Science and Technology, Federal University of Sao Paulo, Sao Jose dos Campos, Brazil), A. Soriano-Vargas (Universidad de Ingenieria y Tecnologia, Lima, Peru), A. Rocha (Institute of Computing, State University of Campinas, Campinas, Brazil)·· 6 小时前AI 评分30
基于扩散模型的合成数据预训练增强人体活动识别
Diffusion-Based Synthetic Data Pretraining for Enhancing Activity Recognition
AI 导读
研究提出利用扩散模型生成合成传感器数据预训练 CABiGRU 模型、再用真实数据微调的两阶段策略，以提升人体活动识别中进食与饮水等少数类动作的泛化能力。在 DEO 数据集上，该方法取得了 90.6% 的平衡准确率，显著优于强监督基线，为医疗健康与日常饮食监测提供了更可靠的技术支持。
来源：arXiv 机器学习 · arxiv.org