基于变压器的对比元学习用于低资源可迁移活动识别

本研究解决了跨用户和场景训练模型泛化能力不足的问题，提出了一种名为TACO的变压器基础对比元学习新方法。通过在训练中合成虚拟目标领域并考虑模型的可泛化性，TACO显著提高了表示学习能力，并在各种低资源分布移位场景中表现优异。