本研究提出了一种通过生成个性化运动指南来提高羽毛球球员击球质量的框架，利用多模态可穿戴数据集。这些指南基于反事实算法，旨在减小初学者与专家之间的表现差距。我们的方法通过可视化数据提供关节级别的指导，以帮助球员改善动作，而无需专家知识。通过度量指标对该方法与传统算法进行了评估，包括算术度量和动作特定度量，以评估其有效性、接近性和合理性。我们的评估表明，所提出的框架能够生成保持原始动作精髓的动作，同时提高击球质量，相较于直接复制专家动作，提供更贴近的指导。结果凸显了我们的方法在通过为羽毛球击球的任意输入样本生成反事实运动指导的个性化体育运动指南方面的潜力。

往年在 Google I/O 开发者大会首日谷歌都会宣布当年 Android 新版本的第二个测试版并公布各种新 […]

通过创新的三阶段深度集成机器学习框架 (DEML)，该研究预测了澳大利亚 24 个不同建筑物中室内细颗粒物 (PM2.5) 的小时浓度，并调查了其与室外 PM2.5 浓度之间的相关性。结果表明，DEML 模型在大部分传感器中的预测精度优于基准模型，实现了 R2 值在 0.63 到 0.99 之间，RMSE 值在 0.01 到 0.663 mg/m3 之间。这项研究强调了准确室内空气质量预测的重要性，对于开发特定位置的早期警报系统和制定有效干预措施至关重要，以提高公共健康结果。

通过使用神经网络和两阶段训练框架，结合微调和迁移学习技术，本研究成功应对了数据不平衡问题，实现了 96.63% 的高分类准确率，从而自动识别摄入环境。

本研究论文介绍了一种基于小型机器学习的全局色调映射方法（TGTM），该方法在任意分辨率下的每个 RGB 图像上以 9,000 FLOPS 的计算速度操作，通过应用于图像直方图数据，实现了 HDR 图像的色调映射，结果表明 TGTM 在实际 HDR 相机图像上相对于现有方法具有更高的峰值信噪比（PSNR），而计算量则较低。

通过利用惯性传感器，记录人体动作的摄像机捕捉系统以稳定为标准，但基于稀疏可穿戴传感器的基于学习的追踪系统越来越受欢迎。文章提出了一种新颖的三维全身姿势估计方法，通过用于测距的超宽带无线电技术对传感器之间的距离进行约束，从而限制了惯性追踪中的漂移和抖动。我们的方法通过轻量级嵌入式追踪器，将这些传感器之间的距离与每个传感器估计的三维状态进行融合，并使用基于图的机器学习模型处理这些三维状态和距离，从而估计人体的三维全身姿势和平移。实验证明，我们的方法在位置误差和抖动方面具有领先的性能。

通过使用多张卫星图像，本研究提出了一种针对 Sentinel-2 时间序列的多图像超分辨率重建算法，并展示了多图像对超分辨率性能的显著改善，同时探讨了光谱保真度和感知质量之间的权衡关系。

该研究论文提出了一种新的方法来解决自主车辆感知系统中相机和雷达传感器融合的三维物体检测问题。该方法基于深度学习的最新进展，并利用了两种传感器的优势来提高物体检测性能。通过使用先进的深度学习架构从相机图像中提取二维特征，然后应用一种新颖的跨域空间匹配方法将这些特征转换为三维空间。然后，使用一种互补融合策略将它们与提取的雷达数据进行融合，生成最终的三维物体表示。通过在 NuScenes 数据集上评估，展示了我们方法的有效性。我们将该方法与单传感器性能和当前最先进的融合方法进行比较。结果表明，该方法在单传感器解决方案上取得了优异的性能，并可以与其他顶级融合方法直接竞争。