論文の概要: Understanding Human Daily Experience Through Continuous Sensing: ETRI Lifelog Dataset 2024
- arxiv url: http://arxiv.org/abs/2508.03698v1
- Date: Fri, 18 Jul 2025 00:51:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-10 09:30:49.326362
- Title: Understanding Human Daily Experience Through Continuous Sensing: ETRI Lifelog Dataset 2024
- Title（参考訳）: ETRI Lifelog Dataset 2024
- Authors: Se Won Oh, Hyuntae Jeong, Seungeun Chung, Jeong Mook Lim, Kyoung Ju Noh, Sunkyung Lee, Gyuwon Jung,
- Abstract要約: ETRI Lifelog データセット 2024 を導入し、その構造と潜在的な応用について詳述する。
この包括的ライフログデータセットは、人間の日常生活とライフスタイルに関する有意義な洞察を探求するための基礎的なリソースを提供すると期待されている。
- 参考スコア（独自算出の注目度）: 2.6953508724475967
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Improving human health and well-being requires an accurate and effective understanding of an individual's physical and mental state throughout daily life. To support this goal, we utilized smartphones, smartwatches, and sleep sensors to collect data passively and continuously for 24 hours a day, with minimal interference to participants' usual behavior, enabling us to gather quantitative data on daily behaviors and sleep activities across multiple days. Additionally, we gathered subjective self-reports of participants' fatigue, stress, and sleep quality through surveys conducted immediately before and after sleep. This comprehensive lifelog dataset is expected to provide a foundational resource for exploring meaningful insights into human daily life and lifestyle patterns, and a portion of the data has been anonymized and made publicly available for further research. In this paper, we introduce the ETRI Lifelog Dataset 2024, detailing its structure and presenting potential applications, such as using machine learning models to predict sleep quality and stress.
- Abstract（参考訳）: 人間の健康と幸福を改善するには、日常生活を通して個人の身体的および精神的な状態を正確かつ効果的に理解する必要がある。
この目標を達成するために、スマートフォン、スマートウォッチ、睡眠センサーを使用して、1日24時間データを受動的かつ連続的に収集し、参加者の通常の行動への干渉を最小限に抑え、日々の行動や睡眠活動に関する定量的データを複数日にわたって収集した。
また,睡眠前後の調査を通じて,被験者の疲労,ストレス,睡眠の質を主観的に報告した。
この包括的ライフログデータセットは、人間の日常生活とライフスタイルに関する有意義な洞察を探索するための基礎的なリソースを提供すると考えられており、その一部が匿名化され、さらなる研究のために公開されている。
本稿では、ETRI Lifelog Dataset 2024を紹介し、その構造を詳述し、機械学習モデルを用いて睡眠の質とストレスを予測する。
関連論文リスト
- Exploring Personalized Health Support through Data-Driven, Theory-Guided LLMs: A Case Study in Sleep Health [8.328996407858497]
睡眠の健康を高めるために,新しい大規模言語モデルを用いたチャットボットHealthGuruを紹介する。
HealthGuruは、ウェアラブルデバイスデータ、コンテキスト情報、コンテキスト対応のマルチアームバンディットモデルを統合して、カスタマイズされた睡眠改善アクティビティを提案する。
その結果、睡眠時間や活動スコア、より高い品質の反応、HealthGuruによる行動変化に対するユーザのモチベーションの向上といった指標が改善された。
論文 参考訳（メタデータ） (2025-02-19T17:53:43Z) - Scaling Wearable Foundation Models [54.93979158708164]
センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。
最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。
この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
論文 参考訳（メタデータ） (2024-10-17T15:08:21Z) - PersonalityScanner: Exploring the Validity of Personality Assessment Based on Multimodal Signals in Virtual Reality [44.15145632980038]
PersonalityScannerは、認知プロセスを刺激し、日々の行動をシミュレートするVRシミュレータである。
ビデオ、音声、テキスト、アイトラッキング、顔のマイクロ圧縮、ポーズ、深度データ、ログ、慣性測定ユニットを含む10つのモードの同期マルチモーダルデータセットを収集する。
論文 参考訳（メタデータ） (2024-07-29T06:17:41Z) - Sleep Activity Recognition and Characterization from Multi-Source
Passively Sensed Data [67.60224656603823]
睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。
本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。
これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
論文 参考訳（メタデータ） (2023-01-17T15:18:45Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳（メタデータ） (2022-11-08T17:29:40Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Multimodal Privacy-preserving Mood Prediction from Mobile Data: A
Preliminary Study [34.550824104906255]
精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。
人間の行動を監視するための有望なデータソースのひとつは、毎日のスマートフォンの利用だ。
リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
論文 参考訳（メタデータ） (2020-12-04T01:44:22Z) - Self-supervised transfer learning of physiological representations from
free-living wearable data [12.863826659440026]
意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。
我々は、我々のモデルを、最大の自由生活複合センシングデータセット(手首加速度計とウェアラブル心電図データによる280k時間)で評価する。
論文 参考訳（メタデータ） (2020-11-18T23:21:34Z) - Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset
for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。
参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。
データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文 参考訳（メタデータ） (2020-08-31T17:44:28Z) - TILES-2018, a longitudinal physiologic and behavioral data set of
hospital workers [39.23595343167787]
病院の職場における臨床提供者から収集した生理的・行動的データの経時的多モーダルコーパスについて報告する。
本研究は,作業性能や対人インタラクション,幸福感など,個人固有の構成要素を理解するために,市販のウェアラブルおよび環境センサを用いた研究を設計した。
データセットの既定使用に加えて、マルチモーダルおよびマルチタスクの振る舞いモデリング、バイオメトリックスによる認証、プライバシ認識およびプライバシ保護機械学習など、いくつかの新しい研究機会と潜在的な応用を想定しています。
論文 参考訳（メタデータ） (2020-03-18T21:07:16Z)
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。