算法论文8

中山大学TSF为HAR识别提供新思路

AI科技评论2026-05-26

AI 摘要

中山大学团队：用“三重频域融合”（TSF）框架重新审视传感器人体活动识别问题，从物理机制层面突破核心瓶颈，在多数据集上表现佳，兼顾计算复杂度与性能。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

中山大学SpatialDreamer：复杂空间推理性能提55%

中山大学等机构推出SpatialDreamer，模拟人类空间认知过程，构建闭环推理流程，还提出GeoPO解决奖励稀疏问题，构建SpatialDreamer - SFT数据集。实验显示其在多基准达SOTA，为AI空间智能发展开辟新路径。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。