論文の概要: Toward Dignity-Aware AI: Next-Generation Elderly Monitoring from Fall Detection to ADL

• arxiv url: http://arxiv.org/abs/2511.11696v1
• Date: Wed, 12 Nov 2025 10:44:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.006059
• Title: Toward Dignity-Aware AI: Next-Generation Elderly Monitoring from Fall Detection to ADL
• Title（参考訳）: Dignity-Aware AIに向けて: 転倒検出からADLへの次世代高齢者モニタリング
• Authors: Xun Shao, Aoba Otani, Yuto Hirasuka, Runji Cai, Seng W. Loke,
• Abstract要約: 我々は,転倒検出を超えて,日常生活活動認識(ADL)のより広範な目標に向けて,次世代の高齢者監視システムを構想する。 私たちの究極の目標は、日々のルーチンを堅牢に検出し、理解することのできる、プライバシ保護、エッジデプロイ、フェデレーションされたAIシステムの設計です。
• 参考スコア（独自算出の注目度）: 2.6062709309204566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This position paper envisions a next-generation elderly monitoring system that moves beyond fall detection toward the broader goal of Activities of Daily Living (ADL) recognition. Our ultimate aim is to design privacy-preserving, edge-deployed, and federated AI systems that can robustly detect and understand daily routines, supporting independence and dignity in aging societies. At present, ADL-specific datasets are still under collection. As a preliminary step, we demonstrate feasibility through experiments using the SISFall dataset and its GAN-augmented variants, treating fall detection as a proxy task. We report initial results on federated learning with non-IID conditions, and embedded deployment on Jetson Orin Nano devices. We then outline open challenges such as domain shift, data scarcity, and privacy risks, and propose directions toward full ADL monitoring in smart-room environments. This work highlights the transition from single-task detection to comprehensive daily activity recognition, providing both early evidence and a roadmap for sustainable and human-centered elderly care AI.
• Abstract（参考訳）: 本稿では, 転倒検出を超えて, 日常生活活動認識(ADL)のより広範な目標に向けて, 次世代高齢者監視システムを提案する。 私たちの究極の目標は、高齢化社会における独立と尊厳をサポートするために、日々のルーチンをしっかりと検出し、理解できるプライバシー保護、エッジデプロイ、連合AIシステムを設計することです。 現在、ADL固有のデータセットはまだ収集中である。 予備的なステップとして、SISFallデータセットとそのGAN拡張変異を用いた実験により実現可能性を示し、転倒検出をプロキシタスクとして扱う。 非IID条件でのフェデレーション学習とJetson Orin Nano デバイスへの組込み配置について報告する。 次に、ドメインシフト、データの不足、プライバシーリスクといったオープンな課題を概説し、スマートルーム環境での完全なADL監視に向けた方向性を提案する。 この研究は、シングルタスク検出から総合的なデイリーアクティビティ認識への移行を強調し、早期の証拠と、持続可能な、人間中心の介護AIのロードマップを提供する。

関連論文リスト

• CITADEL: Continual Anomaly Detection for Enhanced Learning in IoT Intrusion Detection [9.92596575679496]
  IoT(Internet of Things)は、幅広いサイバー脅威に対して脆弱である。 侵入検知システム(IDS)はIoTセキュリティを強化するために広く研究されている。 我々は、良性データから堅牢な表現を抽出する自己教師付き連続学習フレームワークCITADELを提案する。
  論文  参考訳（メタデータ） (2025-08-26T21:55:26Z)
• Privacy-aware IoT Fall Detection Services For Aging in Place [1.4061979259370276]
  転倒の検出は、2050年までに210億に達すると予測されている高齢者を養うために重要である。 転倒を正確に検出し,高齢者の自立的かつ安全に生活を支援するための新しいIoTベースの転倒検出・アズ・ア・サービスフレームワークを提案する。 我々は、UWB(Ultra-wideband)レーダーセンサーをIoTヘルスセンシングサービスとして活用し、プライバシーと最小限の侵入を確実にするサービス指向アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2025-06-18T03:28:07Z)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• Semi-supervised Open-World Object Detection [74.95267079505145]
  半教師付きオープンワールド検出(SS-OWOD)という,より現実的な定式化を導入する。 提案したSS-OWOD設定では,最先端OWOD検出器の性能が劇的に低下することが実証された。 我々は,MS COCO, PASCAL, Objects365, DOTAの4つのデータセットを用いた実験を行い, 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-02-25T07:12:51Z)
• Deep Learning for Computer Vision based Activity Recognition and Fall Detection of the Elderly: a Systematic Review [0.6144680854063939]
  AAL(Ambient Assisted Living)システムに関する多くの研究が出版されており、高齢者の自立生活による偏見を減らすのに役立っている。 本研究では,高齢者の転倒検出とHAR(Human Activity Recognition)について,文献の体系的レビューを行った。 この2つの課題を遂行する現在の傾向に対処するため,コンピュータビジョンデータに対するディープラーニング(DL)に基づくアプローチの活用に焦点をあてた。
  論文  参考訳（メタデータ） (2024-01-22T09:40:52Z)
• Self-Supervision for Tackling Unsupervised Anomaly Detection: Pitfalls and Opportunities [50.231837687221685]
  自己教師付き学習(SSL)は、機械学習とその多くの現実世界のアプリケーションに変化をもたらした。 非教師なし異常検出(AD)は、自己生成性擬似異常によりSSLにも乗じている。
  論文  参考訳（メタデータ） (2023-08-28T07:55:01Z)
• Weakly Supervised Anomaly Detection: A Survey [75.26180038443462]
  異常検出(AD)は、さまざまなアプリケーションによる機械学習において重要なタスクである。 弱教師付き異常検出法(WSAD)の総合的な調査を行った。 各設定に対して、正式な定義、鍵アルゴリズム、潜在的な将来の方向性を提供する。
  論文  参考訳（メタデータ） (2023-02-09T10:27:21Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。