SEMA5B
PulseAugur coverage of SEMA5B — every cluster mentioning SEMA5B across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
北大团队为新型具身AI数据采集技术获得融资
源极雪（SnowOrigin），一个源自北京大学的团队，已获得宫弘嘉、陆奇及海外机构的投资。该公司正在开发一种新一代数据采集终端，利用表面肌电图（sEMG）腕带和AI解码模型。这些设备旨在捕捉详细的人类交互数据，包括意图、力量和微控制，这对于推进具身AI和物理AI应用至关重要。与现有的视频或动作捕捉等方法相比，源极雪的技术提供了更全面、更具成本效益的解决方案，为训练AI模型提供了必要的数据基础设施。
-
无声语音合成结合表面肌电图和唇语识别，并使用掩码技术
研究人员开发了一个新的无声语音合成框架，该框架结合了表面肌电图（sEMG）和唇语数据。这种方法在训练过程中使用模态掩码，以提高对传感器故障或信号退化的鲁棒性。与单一模态方法相比，掩码多模态系统显著降低了词错误率，尤其是在元音和某些辅音组方面，证明了其在辅助技术方面的有效性。
-
新的波建模框架为事件驱动信号提供连续时间表示
研究人员开发了一个新颖的框架，用于对事件驱动信号（如来自肌电图等生物过程的信号）进行连续时间表示建模。该方法将输入信号映射到复值潜在波场，通过相位调制和分量交互来编码时间结构。由此产生的能量域投影在没有显式递归的情况下捕获时间局部化和关系依赖性，为生物力学系统中的下游控制任务提供了改进的表示质量和计算效率。
-
新研究比较了不同语音模式下的表面肌电图编码精度
一项新的研究论文探讨了语音发音编码（SPARC）特征在预测不同语音模式下的表面肌电图（sEMG）包络方面的有效性。研究发现，与传统的音素表示相比，SPARC特征在朗读、模仿和默读语音中提供了更高的预测精度。这些发现表明SPARC是开发无声语音建模技术的稳健的中间目标。