論文の概要: ALS-HAR: Harnessing Wearable Ambient Light Sensors to Enhance IMU-based HAR
- arxiv url: http://arxiv.org/abs/2408.09527v1
- Date: Sun, 18 Aug 2024 16:24:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 18:24:48.028035
- Title: ALS-HAR: Harnessing Wearable Ambient Light Sensors to Enhance IMU-based HAR
- Title（参考訳）: ALS-HAR:IMUベースのHARを実現するウェアラブル環境光センサ
- Authors: Lala Shakti Swarup Ray, Daniel Geißler, Mengxi Liu, Bo Zhou, Sungho Suh, Paul Lukowicz,
- Abstract要約: 我々は、ウェアラブル光ベースのモーションアクティビティ分類器であるALS-HARを開発した。
ALS-HARは、他のモダリティと同等の精度を達成するが、外乱に対する自然な感度は、日々の使用を困難にしている。
マルチモーダルおよびコントラッシブな分類による環境不変IMUに基づく活動分類を強化する戦略を導入する。
- 参考スコア（独自算出の注目度）: 5.215675032361843
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Despite the widespread integration of ambient light sensors (ALS) in smart devices commonly used for screen brightness adaptation, their application in human activity recognition (HAR), primarily through body-worn ALS, is largely unexplored. In this work, we developed ALS-HAR, a robust wearable light-based motion activity classifier. Although ALS-HAR achieves comparable accuracy to other modalities, its natural sensitivity to external disturbances, such as changes in ambient light, weather conditions, or indoor lighting, makes it challenging for daily use. To address such drawbacks, we introduce strategies to enhance environment-invariant IMU-based activity classifications through augmented multi-modal and contrastive classifications by transferring the knowledge extracted from the ALS. Our experiments on a real-world activity dataset for three different scenarios demonstrate that while ALS-HAR's accuracy strongly relies on external lighting conditions, cross-modal information can still improve other HAR systems, such as IMU-based classifiers.Even in scenarios where ALS performs insufficiently, the additional knowledge enables improved accuracy and macro F1 score by up to 4.2 % and 6.4 %, respectively, for IMU-based classifiers and even surpasses multi-modal sensor fusion models in two of our three experiment scenarios. Our research highlights the untapped potential of ALS integration in advancing sensor-based HAR technology, paving the way for practical and efficient wearable ALS-based activity recognition systems with potential applications in healthcare, sports monitoring, and smart indoor environments.
- Abstract（参考訳）: 周囲光センサ(ALS)が画面の明るさ適応に一般的に使用されるスマートデバイスに広く統合されているにもかかわらず、人的活動認識(HAR)への応用は、主にボディウーンALSによるものであるが、ほとんど探索されていない。
本研究では,ロバストな光ベースモーションアクティビティ分類器であるALS-HARを開発した。
ALS-HARは他のモダリティと同等の精度を達成しているが、周囲の光の変化、気象条件の変化、室内の照明といった外部の障害に対する自然な感度は、日常的に使うのが困難である。
このような欠点に対処するため,我々は,ALSから抽出した知識を伝達することにより,環境不変なIMUに基づく活動分類を多モーダル・コントラッシブな分類により強化する戦略を導入する。
ALS-HARの精度は外部の照明条件に強く依存するが、IMUベースの分類器などの他のHARシステムの改善は依然として可能であり、ALSが不十分な場合においても、IMUベースの分類器では、追加知識により精度が4.2 %、マクロF1スコアは6.4 %向上し、3つの実験シナリオではマルチモーダルセンサ融合モデルを超えている。
我々の研究は、センサベースのHAR技術の進歩におけるALS統合の未解決の可能性を強調し、医療、スポーツ監視、スマート屋内環境に応用可能な、実用的で効率的なALSベースのアクティビティ認識システムへの道を開いた。
関連論文リスト
- FabuLight-ASD: Unveiling Speech Activity via Body Language [16.62093155442695]
マルチモーダル環境におけるアクティブ話者検出(ASD)は、ビデオ会議から人間とロボットのインタラクションに至るまで、様々な用途に不可欠である。
本稿では,顔,音声,身体のポーズ情報を統合した高度なASDモデルであるFabuLight-ASDを紹介し,検出精度とロバスト性を向上させる。
Wilder Active Speaker Detection (WASD)データセットを用いて、実世界のシナリオでFabuLight-ASDの有効性を実証する。
論文 参考訳（メタデータ） (2024-11-20T19:45:54Z) - LightLLM: A Versatile Large Language Model for Predictive Light Sensing [15.253002465484355]
LightLLMは、光ベースのセンシングタスクのための訓練済みの大規模言語モデル(LLM)を微調整するモデルである。
センサーデータエンコーダを統合して、重要な特徴を抽出し、環境情報を提供するためのコンテキストプロンプトと、これらの入力を統一された表現に結合する融合層を統合する。
光による局所化,屋外日射予測,室内日射推定の3つのタスクにLightLLMを実装した。
論文 参考訳（メタデータ） (2024-11-20T11:37:33Z) - SLED: Self Logits Evolution Decoding for Improving Factuality in Large Language Models [34.3296459569307]
大規模言語モデル(LLM)は目覚ましい能力を示しているが、その出力は信頼できないことや、事実的に間違っていることがある。
本稿では,LLMの真性を高める新しいデコードフレームワークであるSelf Logits Evolution Decoding(SLED)を紹介する。
既存の復号法と比較して,SLEDは実写精度を最大20%向上することを示す。
論文 参考訳（メタデータ） (2024-11-01T17:33:34Z) - Intent Detection in the Age of LLMs [3.755082744150185]
インテント検出はタスク指向対話システム(TODS)の重要な構成要素である
従来のアプローチは、計算効率の良い教師付き文変換器エンコーダモデルに依存していた。
固有の世界知識を持つ生成的大言語モデル(LLM)の出現は、これらの課題に対処する新たな機会を提供する。
論文 参考訳（メタデータ） (2024-10-02T15:01:55Z) - Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes [70.66864668709677]
高価なブラックボックス関数のグローバル感度解析におけるアクティブラーニングの問題点を考察する。
関数評価は高価であるため,最も価値の高い実験資源の優先順位付けにアクティブラーニングを利用する。
本稿では,デリバティブに基づくグローバル感度測定の重要量を直接対象とする,新たな能動的学習獲得関数を提案する。
論文 参考訳（メタデータ） (2024-07-13T01:41:12Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-09-27T14:39:41Z) - Contactless Human Activity Recognition using Deep Learning with Flexible
and Scalable Software Define Radio [1.3106429146573144]
本研究では,環境センシングの新たな手法として,Wi-Fiチャネル状態情報(CSI)の利用について検討する。
これらの方法は、プライバシーを侵害する視覚ベースのシステムに必要な追加のハードウェアを避ける。
本研究では,Wi-Fi CSIベースのHARシステムを提案する。
論文 参考訳（メタデータ） (2023-04-18T10:20:14Z) - Low-Light Hyperspectral Image Enhancement [90.84144276935464]
本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした,低照度HSI強調タスクに焦点を当てた。
ラプラシアのピラミッドの分解と再構成に基づいて, エンド・ツー・エンドのデータ駆動型低照度HSIエンハンスメント(HSIE)手法を開発した。
定量的評価と視覚効果の両面でのHSIEの有効性と効果を実証した。
論文 参考訳（メタデータ） (2022-08-05T08:45:52Z) - Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing
Things [82.15959827765325]
環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。
我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。
我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
論文 参考訳（メタデータ） (2022-07-14T10:04:18Z) - Toward Fast, Flexible, and Robust Low-Light Image Enhancement [87.27326390675155]
我々は、現実の低照度シナリオにおいて、高速でフレキシブルで頑健な鮮明化のための新しい自己校正イルミネーション(SCI)学習フレームワークを開発した。
カスケードパターンの計算負担を考慮すると、各ステージの結果の収束を実現する自己校正モジュールを構築する。
我々は,SCI固有の特性について,操作不感適応性やモデル非関係の一般性を含む包括的探索を行う。
論文 参考訳（メタデータ） (2022-04-21T14:40:32Z) - Learning to Continuously Optimize Wireless Resource in a Dynamic
Environment: A Bilevel Optimization Perspective [52.497514255040514]
この研究は、データ駆動メソッドが動的環境でリソース割り当て戦略を継続的に学び、最適化することを可能にする新しいアプローチを開発しています。
学習モデルが新たなエピソードに段階的に適応できるように、連続学習の概念を無線システム設計に組み込むことを提案する。
我々の設計は、異なるデータサンプルにまたがる公平性を保証する、新しい二段階最適化定式化に基づいている。
論文 参考訳（メタデータ） (2021-05-03T07:23:39Z)
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。