标签
提出物理自监督学习，一种用于无标签IMU传感的自编码器范式，该范式用基于物理的解码器替换神经解码器，在无人工标签的情况下，在跟踪和动作捕捉任务中实现高达5倍的误差减少。
本文介绍了LIMMT，这是一项以数据为中心的研究，表明使用高质量、极小的运动数据子集（不到AMASS的3%）进行训练，在基于物理的人形动作追踪方面优于使用完整数据集，并通过物理可行性、多样性和复杂性来定义运动数据质量。