从单模态到多模态：通过深度生成模型改进基于 sEMG 的模式识别

该文介绍了一种基于3D卷积神经网络的方法，通过使用多个模态的数据来训练单模态网络，提高手势识别性能。该方法引入了空间时间语义对齐的损失函数和正则化参数，避免直接融合多个模态。实验结果表明，该框架提高了单模态网络的测试时间识别准确性，并在各种动态手势识别数据集上提供了最先进的性能。