Oct, 2023
FOCAL: 在分解正交潜空间中的多模态时间序列感知信号的对比学习
FOCAL: Contrastive Learning for Multimodal Time-Series Sensing Signals in Factorized Orthogonal Latent Space
Shengzhong Liu, Tomoyoshi Kimura, Dongxin Liu, Ruijie Wang, Jinyang Li...
TL;DR该论文提出了一种名为 FOCAL 的新型对比学习框架，通过自监督训练从多模态时间序列感知信号中提取全面的特征。FOCAL 通过引入共享特征和私有特征的分解潜空间，以在感官模式间保留一致的特征模式并提取独占的信息以及引入时间结构约束来处理挑战。在四个多模态感知数据集上进行了广泛的评估，证明了 FOCAL 在下游任务中始终优于现有基准，并在不同标签可用比例下取得了明显的优势。