論文の概要: RARR : Robust Real-World Activity Recognition with Vibration by Scavenging Near-Surface Audio Online

• arxiv url: http://arxiv.org/abs/2508.21167v1
• Date: Thu, 28 Aug 2025 19:06:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.855551
• Title: RARR : Robust Real-World Activity Recognition with Vibration by Scavenging Near-Surface Audio Online
• Title（参考訳）: RARR : 近面音響オンラインによる振動によるロバストな実世界活動認識
• Authors: Dong Yoon Lee, Alyssa Weakley, Hui Wei, Blake Brown, Keyana Carrion, Shijia Pan,
• Abstract要約: 認知症の4人に1人が独りで暮らしており、家族は遠くから介護の役割を引き受けることになる。 我々の拡張性のあるソリューションは、表面近傍の音響音響から合成されたデータに適応し、モデルを事前訓練し、非常に限られたデータで微調整できる。
• 参考スコア（独自算出の注目度）: 6.048077058443769
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One in four people dementia live alone, leading family members to take on caregiving roles from a distance. Many researchers have developed remote monitoring solutions to lessen caregiving needs; however, limitations remain including privacy preserving solutions, activity recognition, and model generalizability to new users and environments. Structural vibration sensor systems are unobtrusive solutions that have been proven to accurately monitor human information, such as identification and activity recognition, in controlled settings by sensing surface vibrations generated by activities. However, when deploying in an end user's home, current solutions require a substantial amount of labeled data for accurate activity recognition. Our scalable solution adapts synthesized data from near-surface acoustic audio to pretrain a model and allows fine tuning with very limited data in order to create a robust framework for daily routine tracking.
• Abstract（参考訳）: 認知症の4人に1人が独りで暮らしており、家族は遠くから介護の役割を引き受けることになる。 多くの研究者は、介護ニーズを減らすためのリモートモニタリングソリューションを開発したが、プライバシー保護ソリューション、アクティビティ認識、新しいユーザや環境に対するモデル一般化性など、制限は依然として残っている。 構造振動センサシステムは、活動によって生じる表面振動を検知することで、制御された環境において、識別や活動認識などの人間の情報を正確に監視することが証明された、控えめなソリューションである。 しかし、エンドユーザの家でデプロイする場合、現在のソリューションでは、正確なアクティビティ認識のためにかなりの量のラベル付きデータが必要です。 我々の拡張性のあるソリューションは、ほぼ表面音響音響から合成されたデータに適応してモデルを事前訓練し、非常に限られたデータによる微調整を可能にして、日々のルーチン追跡のための堅牢なフレームワークを作成する。

関連論文リスト

• An AI-driven multimodal smart home platform for continuous monitoring and intelligent assistance in post-stroke patients [26.390563099911912]
  術後患者の在宅リハビリテーションを継続するためのスマートホームプラットフォームを提案する。 足底圧インソールは、最大94%の精度で運動回復段階に分類し、歩行パターンの定量的な追跡を可能にする。 ヘッドマウント型視線追跡モジュールは、認知評価と家庭用機器のハンズフリー制御をサポートする。 組込み大言語モデル(LLM)エージェントであるAuto-Careは、リアルタイムの介入を提供するために、マルチモーダルデータを継続的に解釈する。
  論文  参考訳（メタデータ） (2024-11-28T09:04:39Z)
• 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)
• LiveHPS++: Robust and Coherent Motion Capture in Dynamic Free Environment [17.832694508927407]
  単一LiDARシステムに基づく革新的で効果的なソリューションであるLiveHPS++を紹介する。 3つのモジュールを巧妙に設計し,人間の動作から動的・運動学的特徴を学習することができる。 提案手法は,様々なデータセットにまたがって既存の最先端手法を大幅に超えることが証明されている。
  論文  参考訳（メタデータ） (2024-07-13T10:04:45Z)
• Daily Physical Activity Monitoring -- Adaptive Learning from Multi-source Motion Sensor Data [17.604797095380114]
  医療アプリケーションでは、手首のウェアラブルデバイスのような単一のソースからのデータを使用する機械学習モデルを開発する必要性が高まっている。 しかしながら、単一ソースデータを使用することの制限は、人間の活動の全範囲を捉えるのに失敗するため、モデルの精度を損なうことが多い。 実験室で収集したマルチソースデータを活用することにより,日常的なアプリケーションを対象とした機械学習モデルを最適化するトランスファー学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-26T01:08:28Z)
• LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free Environment [59.320414108383055]
  シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。 多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:08:44Z)
• 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)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
  本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。 実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。 その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
  論文  参考訳（メタデータ） (2021-06-21T16:35:49Z)
• An Intelligent Non-Invasive Real Time Human Activity Recognition System for Next-Generation Healthcare [9.793913891417912]
  人間の動きは、脆弱な人々のためのリモートヘルスケアソリューションを提供するために使用することができる。 現在、ウェアラブルデバイスは、人の体に機器を配置することで、リアルタイムの監視を提供することができる。 本研究では,非侵襲的手法を用いて準リアルタイムシナリオにおいて人間の動作がどのように検出されるかを示す。
  論文  参考訳（メタデータ） (2020-08-06T10:51:56Z)

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。