Краткое содержание

arXiv:2511.08344v1 Тип объявления: кросс Аннотация: Поверхностная электромиография (sEMG) играет ключевую роль в распознавании жестов для взаимодействия человека с машиной (HMI), особенно в области реабилитации и управления протезами. Однако системы, основанные на sEMG, часто сталкиваются с нехваткой информативных тренировочных данных, что приводит к переобучению моделей глубокого обучения и плохой обобщаемости. Метод увеличения объема данных предлагает перспективный подход к увеличению размера и разнообразия наборов данных, где достоверность и разнообразие являются двумя критическими факторами эффективности. Тем не менее, стимулирование неконтролируемого разнообразия может привести к появлению избыточных выборок с ограниченной полезностью. Для решения этих проблем мы предлагаем новый метод диффузионного расширения данных — разреженно-чувствительное семантически-направленное диффузное расширение (Sparse-Aware Semantic-Guided Diffusion Augmentation, SASG-DA). Чтобы повысить точность генерации, мы вводим механизм Семантического Представления Наведения (Semantic Representation Guidance, SRG), используя детализированные, ориентированные на конкретную задачу семантические представления в качестве условий генерации.