Fugu-MT 論文翻訳(概要): Advancing Location-Invariant and Device-Agnostic Motion Activity Recognition on Wearable Devices

論文の概要: Advancing Location-Invariant and Device-Agnostic Motion Activity Recognition on Wearable Devices

arxiv url: http://arxiv.org/abs/2402.03714v1
Date: Tue, 6 Feb 2024 05:10:00 GMT
ステータス: 処理完了
システム内更新日: 2024-02-07 16:32:48.042935
Title: Advancing Location-Invariant and Device-Agnostic Motion Activity Recognition on Wearable Devices
Title（参考訳）: ウェアラブルデバイスにおける位置不変およびデバイス非依存モーションアクティビティ認識の進歩
Authors: Rebecca Adaimi, Abdelkareem Bedri, Jun Gong, Richard Kang, Joanna Arreaza-Taylor, Gerri-Michelle Pascual, Michael Ralph, and Gierad Laput
Abstract要約: センサ位置をまたいだ運動モデルの一般化可能性に関する総合的な評価を行う。我々の分析は、この課題を強調し、位置不変モデルを構築する上で重要な位置を特定する。本稿では,センサ配置に関係なく,デバイス上での動作モデルを単一モデルから91.41%のフレームレベルF1スコアに展開する。
参考スコア（独自算出の注目度）: 6.557453686071467
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Wearable sensors have permeated into people's lives, ushering impactful applications in interactive systems and activity recognition. However, practitioners face significant obstacles when dealing with sensing heterogeneities, requiring custom models for different platforms. In this paper, we conduct a comprehensive evaluation of the generalizability of motion models across sensor locations. Our analysis highlights this challenge and identifies key on-body locations for building location-invariant models that can be integrated on any device. For this, we introduce the largest multi-location activity dataset (N=50, 200 cumulative hours), which we make publicly available. We also present deployable on-device motion models reaching 91.41% frame-level F1-score from a single model irrespective of sensor placements. Lastly, we investigate cross-location data synthesis, aiming to alleviate the laborious data collection tasks by synthesizing data in one location given data from another. These contributions advance our vision of low-barrier, location-invariant activity recognition systems, catalyzing research in HCI and ubiquitous computing.
Abstract（参考訳）: ウェアラブルセンサーは人々の生活に浸透し、インタラクティブなシステムやアクティビティ認識に影響を与えている。しかし、異なるプラットフォームのためにカスタムモデルを必要とする異質性検知を扱う場合、実践者は重大な障害に直面する。本稿では,センサの配置にまたがる運動モデルの一般化可能性について総合的な評価を行う。我々の分析は、この課題を強調し、あらゆるデバイスに組み込むことができる位置不変モデルを構築する上で重要な位置を特定する。このために、私たちは、公開可能な最大のマルチロケーションアクティビティデータセット (n=50,200 累積時間) を導入します。また,センサ配置に関係なく,単一モデルから91.41%のフレームレベルF1スコアに到達可能なデバイス上での動作モデルも提示する。最後に,ある場所から与えられたデータを合成することで,手間のかかるデータ収集タスクを緩和することを目的とした,クロスロケーションデータ合成について検討する。これらの貢献は,hciとユビキタスコンピューティングにおけるローバリア,ロケーション不変なアクティビティ認識システム,触媒的研究の展望を前進させる。

関連論文リスト

Sensor Data Augmentation from Skeleton Pose Sequences for Improving Human Activity Recognition [5.669438716143601]
HAR(Human Activity Recognition)は、ディープラーニングの普及に大きく貢献していない。本稿では,センサをベースとしたウェアラブル型HARに対して,ポーズ・ツー・センサ・ネットワークモデルを導入することにより,新たなアプローチを提案する。コントリビューションには、同時トレーニングの統合、直接ポーズ・ツー・センサ生成、MM-Fitデータセットの包括的な評価が含まれる。
論文参考訳（メタデータ） (2024-04-25T10:13:18Z)
Scaling Up Dynamic Human-Scene Interaction Modeling [58.032368564071895]
TRUMANSは、現在利用可能な最も包括的なモーションキャプチャーHSIデータセットである。人体全体の動きや部分レベルの物体の動きを複雑に捉えます。本研究では,任意の長さのHSI配列を効率的に生成する拡散型自己回帰モデルを提案する。
論文参考訳（メタデータ） (2024-03-13T15:45:04Z)
Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文参考訳（メタデータ） (2023-12-08T13:50:30Z)
JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文参考訳（メタデータ） (2023-11-05T18:59:31Z)
Learning to Detect Slip through Tactile Estimation of the Contact Force Field and its Entropy [6.739132519488627]
本研究では,スリップ検出をリアルタイムで連続的に行う物理インフォームド・データ駆動方式を提案する。我々は、光学式触覚センサーであるGelSight Miniを、カスタムデザインのグリップに装着して、触覚データを収集する。その結果,最高の分類アルゴリズムは95.61%の精度が得られることがわかった。
論文参考訳（メタデータ） (2023-03-02T03:16:21Z)
DAPPER: Label-Free Performance Estimation after Personalization for Heterogeneous Mobile Sensing [95.18236298557721]
DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
論文参考訳（メタデータ） (2021-11-22T08:49:33Z)
SALIENCE: An Unsupervised User Adaptation Model for Multiple Wearable Sensors Based Human Activity Recognition [9.358282765566807]
本稿では,複数のウェアラブルセンサを用いた人間行動認識モデルSALIENCEを提案する。各センサーのデータを別々に調整して局所的なアライメントを実現し、全センサのデータを均一にアライメントし、グローバルなアライメントを確保する。 2つの公開WHARデータセットを用いて実験を行い,実験結果から,本モデルが競合性能を発揮することが示された。
論文参考訳（メタデータ） (2021-08-17T13:45:32Z)
TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文参考訳（メタデータ） (2021-04-08T20:01:00Z)
Invariant Feature Learning for Sensor-based Human Activity Recognition [11.334750079923428]
被験者やデバイス間で共有される共通情報を抽出する不変特徴学習フレームワーク(IFLF)を提案する。実験により、IFLFは、一般的なオープンデータセットと社内データセットをまたいだ主題とデバイスディバージョンの両方を扱うのに効果的であることが示された。
論文参考訳（メタデータ） (2020-12-14T21:56:17Z)
SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文参考訳（メタデータ） (2020-12-04T23:06:56Z)
Human Activity Recognition from Wearable Sensor Data Using Self-Attention [2.9023633922848586]
本稿では,身体のセンサデータから行動認識のための自己認識型ニューラルネットワークモデルを提案する。一般に公開されている4つのHARデータセット、PAMAP2、Opportunity、Skoda、USC-HADについて実験を行った。ベンチマークテスト対象とLeave-out-subject評価の両方において,最近の最先端モデルよりも高い性能向上を実現している。
論文参考訳（メタデータ） (2020-03-17T14:16:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。