論文の概要: Embedded Inter-Subject Variability in Adversarial Learning for Inertial Sensor-Based Human Activity Recognition

• arxiv url: http://arxiv.org/abs/2603.05371v1
• Date: Thu, 05 Mar 2026 16:57:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.330002
• Title: Embedded Inter-Subject Variability in Adversarial Learning for Inertial Sensor-Based Human Activity Recognition
• Title（参考訳）: 慣性センサを用いた人間活動認識のための対向学習における物体間変動の組込み
• Authors: Francisco M. Calatrava-Nicolás, Shoko Miyauchi, Vitor Fortes Rey, Paul Lukowicz, Todor Stoyanov, Oscar Martinez Mozos,
• Abstract要約: 本稿では,ウェアラブル慣性センサのデータを用いたHAR(Human Activity Recognition)の問題に対処する。 HARの重要な課題は、オブジェクト間の可変性によるモデルの一般化能力である。 本稿では, 対象間変動性の概念を, 対象間変動性の概念と統合した, 真に深い敵対的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 9.165849342869407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the problem of Human Activity Recognition (HAR) using data from wearable inertial sensors. An important challenge in HAR is the model's generalization capabilities to new unseen individuals due to inter-subject variability, i.e., the same activity is performed differently by different individuals. To address this problem, we propose a novel deep adversarial framework that integrates the concept of inter-subject variability in the adversarial task, thereby encouraging subject-invariant feature representations and enhancing the classification performance in the HAR problem. Our approach outperforms previous methods in three well-established HAR datasets using a leave-one-subject-out (LOSO) cross-validation. Further results indicate that our proposed adversarial task effectively reduces inter-subject variability among different users in the feature space, and it outperforms adversarial tasks from previous works when integrated into our framework. Code: https://github.com/FranciscoCalatrava/EmbeddedSubjectVariability.git
• Abstract（参考訳）: 本稿では,ウェアラブル慣性センサのデータを用いたHAR(Human Activity Recognition)の問題に対処する。 HARにおける重要な課題は、オブジェクト間の変動のため、新しい未知の個人へのモデルの一般化能力である。 この問題に対処するため,本論文では,対象間の変動性の概念を統合し,主観的不変な特徴表現の促進とHAR問題における分類性能の向上を図った。 提案手法は,LOSO(Left-one-subject-out)クロスバリデーションを用いて,確立された3つのHARデータセットにおいて,従来の手法よりも優れている。 さらに,提案手法は,機能空間における異なるユーザ間でのオブジェクト間変動を効果的に低減し,フレームワークに組み込んだ場合の,従来の作業と相反するタスクよりも優れていることを示す。 コード:https://github.com/FranciscoCalatrava/EmbeddedSubjectVariability.git

関連論文リスト

• Subject Invariant Contrastive Learning for Human Activity Recognition [14.10876324116018]
  本研究では,人間の活動認識における一般化を改善するために,SICL(Subject-Invariant Contrastive Learning)を導入する。 SICLは、同じ被験者から引き出された負のペアを再重み付けし、被験者固有の手がかりを抑え、活動固有の情報を強調する。 SICLは従来のコントラスト学習法よりも最大11%向上することを示す。
  論文  参考訳（メタデータ） (2025-07-04T01:55:33Z)
• Contrastive Learning with Auxiliary User Detection for Identifying Activities [2.8132886759540146]
  我々は、外的環境設定を考慮に入れた上で、自然的ユーザアクションパフォーマンスの違いの影響に対処することが重要であると論じている。 CLAUDIAはこれらの問題に対処するために設計された新しいフレームワークである。 実世界の3つのCA-HARデータセットに対する評価は、大幅なパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2024-10-21T09:04:23Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• Deep Adversarial Learning with Activity-Based User Discrimination Task for Human Activity Recognition [0.0]
  本稿では,人間行動認識問題に対する新たな逆深層学習フレームワークを提案する。 本フレームワークは,個人間の変動に対処する,行動に基づく新たな識別タスクを取り入れている。
  論文  参考訳（メタデータ） (2024-10-01T11:58:33Z)
• Disentangled Interaction Representation for One-Stage Human-Object Interaction Detection [70.96299509159981]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、人間中心の画像理解のコアタスクである。 最近のワンステージ手法では、対話予測に有用な画像ワイドキューの収集にトランスフォーマーデコーダを採用している。 従来の2段階の手法は、非絡み合いで説明可能な方法で相互作用特徴を構成する能力から大きな恩恵を受ける。
  論文  参考訳（メタデータ） (2023-12-04T08:02:59Z)
• TASKED: Transformer-based Adversarial learning for human activity recognition using wearable sensors via Self-KnowledgE Distillation [6.458496335718508]
  本稿では,TASKED(Self-KnowledgE Distillation)を用いたウェアラブルセンサを用いた,トランスフォーマーに基づく人間行動認識のための新しい逆学習フレームワークを提案する。 提案手法では,教師なしの自己知識蒸留を採用し,訓練手順の安定性と人間の活動認識性能を向上させる。
  論文  参考訳（メタデータ） (2022-09-14T11:08:48Z)
• On Exploring Pose Estimation as an Auxiliary Learning Task for Visible-Infrared Person Re-identification [66.58450185833479]
  本稿では,Pose Estimationを補助学習タスクとして活用して,エンドツーエンドフレームワークにおけるVI-ReIDタスクを支援する。 これら2つのタスクを相互に有利な方法で共同でトレーニングすることにより、高品質なモダリティ共有とID関連の特徴を学習する。 2つのベンチマークVI-ReIDデータセットの実験結果から,提案手法は一定のマージンで最先端の手法を継続的に改善することが示された。
  論文  参考訳（メタデータ） (2022-01-11T09:44:00Z)
• Adversarial Deep Feature Extraction Network for User Independent Human Activity Recognition [4.988898367111902]
  本稿では,人間行動認識のための最大平均不一致(MMD)正則化を用いた対向的対象非依存特徴抽出法を提案する。 本手法は,ユーザに依存しない性能を著しく向上し,結果のばらつきを低減できることを示す,よく知られた公開データセット上での評価を行う。
  論文  参考訳（メタデータ） (2021-10-23T07:50:32Z)
• ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection [102.9428507180728]
  ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。 我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:02:50Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Task-Feature Collaborative Learning with Application to Personalized Attribute Prediction [166.87111665908333]
  本稿では,TFCL(Task-Feature Collaborative Learning)と呼ばれる新しいマルチタスク学習手法を提案する。 具体的には、まず、特徴とタスクの協調的なグループ化を活用するために、不均一なブロック対角構造正規化器を用いたベースモデルを提案する。 実際の拡張として,重なり合う機能と難易度を区別することで,基本モデルを拡張します。
  論文  参考訳（メタデータ） (2020-04-29T02:32:04Z)

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。