MorphCL：面向惯性人体活动识别的形态对比学习
Get the story
2026年10月8日，arXiv（Human-Computer Interaction，一手来源）发布 MorphCL，一种面向惯性传感器人体活动识别的自监督预训练框架。该方法通过结构感知分组，把全局结构显式建模引入惯性数据，并以对比学习同时学习运动基元与领域特征描述子。实验显示，在线性探测与微调任务中，F1 分数最多提升15个百分点；预训练编码器仅用少4600倍的数据，即可在现有基础模型的线性探测中持平或超越。其嵌入空间呈现形态学上有意义的簇结构，运动学相近的活动类别分离更好。目前未见后续验证或争议报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Human-Computer InteractionMorphCL：面向惯性传感器人体活动识别的形态对比学习
提出 MorphCL，一种自监督预训练框架，用结构感知分组把全局结构显式建模引入惯性数据，对比学习运动基元与领域特征描述子。线性探测与微调 F1 分数最多提升 15 个百分点，预训练编码器仅用少 4600 倍的数据即可在现有基础模型的线性探测中持平或超越。嵌入空间呈现形态学上有意义的簇结构，运动学相近的活动类别分离更好。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.