arXiv · cs.AI· Heinke Hihn, Ibrahim Eisawy, Patrick Thiam, Hans A. Kestler, Friedhelm Schwenker·· 1 天前
Few-Shot Learning 用于个性化自动疼痛评估
Few-Shot Learning for Personalised Automated Pain Assessment
arXiv:2610.09692v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Heinke Hihn, Ibrahim Eisawy, Patrick Thiam, Hans A. Kestler, Friedhelm Schwenker
首次提交：2026-10-07 16:52
研究任务与主要进展
研究团队评估 Few-Shot Learning 用于自动化个性化疼痛评估，将群体级到个体级评估视为目标受试者变化的任务域偏移。基于论文摘要，在 BioVid、SenseEmotion 和 PMED 数据库上，k-shot 条件化准确率分别为 86.25%、40.06%、83.43%、44.08% 和 91.25%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org