研究人员开发了一种名为基于运动的标记化(motion-based tokenization)的新方法来表示自我中心注视数据,旨在改进跨数据集建模。该方法将事件对齐的、固定视角的角位移构建为一种运动词汇,并与其他表示方法进行比较。评估表明,在某些迁移场景下,角运动标记(angular-motion tokens)可以提供更低的靶域遗憾(target-domain regret),表明注视流(gaze streams)的表示更紧凑、更有效。 AI
影响 这种新的标记化方法可以提高注视类AI模型在各种应用中的性能和迁移能力。
排序理由 该集群包含一篇详细介绍新数据表示方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →