論文の概要: From User Recognition to Activity Counting: An Identity-Agnostic Approach to Multi-User WiFi Sensing
- arxiv url: http://arxiv.org/abs/2604.16572v1
- Date: Fri, 17 Apr 2026 12:13:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.078913
- Title: From User Recognition to Activity Counting: An Identity-Agnostic Approach to Multi-User WiFi Sensing
- Title（参考訳）: ユーザ認識からアクティビティカウントへ:マルチユーザWiFiセンシングへのアイデンティティ非依存アプローチ
- Authors: Kemal Bayik, Olayinka Ajayi, Daniel Roggen, Philip Birch,
- Abstract要約: Wi-Fi Channel State Information (CSI)は、デバイスなしの人間の活動認識を可能にする。
既存のマルチユーザアプローチでは、トレーニングと推論の両方において、既知のユーザの固定セットを仮定する。
マルチユーザアクティビティ認識をアクティビティカウントとして再構成し、各アクティビティタイプを一定時間で実行するユーザ数を推定する。
- 参考スコア（独自算出の注目度）: 1.6764379184593252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wi-Fi Channel State Information (CSI) enables device-free human activity recognition, but existing multi-user approaches assume a fixed set of known users during both training and inference. This closed-set assumption limits deployment, as models trained on a specific user set degrade when applied to new individuals or environments. We reformulate multi-user activity recognition as activity counting, estimating how many users perform each activity type at a given time, without associating actions with specific individuals. We propose a pipeline that converts CSI measurements into spatial projections and extracts features using a pretrained convolutional backbone. Two formulations are evaluated on the WiMANS dataset: a conventional identity-dependent model that assigns activities to fixed user slots, and an identity-agnostic model that estimates scene-level activity composition through regression. Under standard evaluation, the identity-agnostic model achieves a mean absolute error of 0.1081 on a 0-5 count scale. Under unseen-user evaluation, the identity-dependent model's macro-F1 drops from 80.38 to 32.61, while the identity-agnostic model's counting error remains stable. Feature space analysis confirms that identity-agnostic representations are more user-invariant, which explains their stronger generalization. These results suggest that activity counting provides a more practical and generalizable alternative to identity-dependent formulations for multi-user WiFi sensing.
- Abstract（参考訳）: Wi-Fi Channel State Information (CSI) はデバイスフリーのヒューマンアクティビティ認識を可能にするが、既存のマルチユーザアプローチではトレーニングと推論の両方で既知のユーザの固定セットを前提としている。
このクローズドセットの仮定は、特定のユーザセットでトレーニングされたモデルが、新しい個人や環境に適用された場合、デプロイを制限する。
本研究では,複数のユーザのアクティビティ認識をアクティビティカウントとして再構成し,特定の個人とアクションを関連づけることなく,各アクティビティタイプを実行するユーザ数を推定する。
本稿では,CSI測定を空間投影に変換し,事前学習した畳み込みバックボーンを用いて特徴を抽出するパイプラインを提案する。
WiMANSデータセットでは、固定されたユーザスロットにアクティビティを割り当てる従来のアイデンティティ依存モデルと、回帰を通じてシーンレベルのアクティビティ組成を推定するアイデンティティ非依存モデルという2つの定式化が評価されている。
標準評価では、識別非依存モデルは0-5カウントスケールで平均0.1081の絶対誤差を達成する。
未確認ユーザによる評価では、識別に依存しないモデルのマクロF1は80.38から32.61に低下するが、IDに依存しないモデルのカウントエラーは安定している。
特徴空間解析により、アイデンティティに依存しない表現はよりユーザ不変であることが確認され、より強力な一般化が説明される。
これらの結果から, アクティビティカウントは, 多ユーザWiFiセンサのためのアイデンティティ依存型定式化の代替として, より実用的で一般化可能な手段であることが示唆された。
関連論文リスト
- P-GenRM: Personalized Generative Reward Model with Test-time User-based Scaling [66.55381105691818]
P-GenRM(Personalized Generative Reward Model)を提案する。
P-GenRMは、選好信号を適応的なペルソナとスコアリングルーリックを導出する構造化評価チェーンに変換する。
さらにユーザをユーザプロトタイプにクラスタリングし、二重粒度スケーリングメカニズムを導入している。
論文 参考訳（メタデータ） (2026-02-12T16:07:22Z) - Probabilistic Digital Twins of Users: Latent Representation Learning with Statistically Validated Semantics [0.0]
ユーザのアイデンティティと行動を理解することは、パーソナライゼーションやレコメンデーション、意思決定支援といったアプリケーションの中心である。
本稿では,各ユーザが観測された行動データを生成する潜在状態としてモデル化される確率論的ディジタルツインフレームワークを提案する。
ユーザアイデンティティの安定した側面をキャプチャするために設計されたユーザ応答データセットに適用された可変オートエンコーダ(VAE)を用いて、このフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2025-12-19T20:49:51Z) - Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。
目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。
一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。
我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
論文 参考訳（メタデータ） (2025-08-03T23:48:46Z) - Database-Agnostic Gait Enrollment using SetTransformers [3.3311266423308252]
オープンセット歩行学習のためのトランスフォーマーベースのフレームワークを提案する。
提案手法は,データセット非依存と認識-アーキテクチャ非依存の両方である。
提案手法はフレキシブルで,異なるシナリオでの登録を正確に行うことができ,従来の手法と比較してデータによるスケーリングが優れていることを示す。
論文 参考訳（メタデータ） (2025-05-05T17:42:27Z) - A Dataset for Semantic Segmentation in the Presence of Unknowns [49.795683850385956]
既存のデータセットは、既知のものや未知のもののみの評価を可能にするが、両方ではない。
乱雑な実環境からの多様な異常な入力を特徴とする,新しい異常セグメンテーションデータセットISSUを提案する。
データセットは、既存の異常セグメンテーションデータセットの2倍大きい。
論文 参考訳（メタデータ） (2025-03-28T10:31:01Z) - Cloned Identity Detection in Social-Sensor Clouds based on Incomplete Profiles [5.411585313453657]
本研究では,プライバシに敏感なプロファイルデータに直面したソーシャルセンシングクラウドサービスプロバイダ(ソーシャルメディアユーザ)のクローンIDを効果的に検出する手法を提案する。
提案手法はICD-IPDと命名され,ソーシャルメディアから収集したユーザアカウントのセットから,ユーザ名や画面名に類似したアカウントペアを抽出する。
その後、与えられたアカウントに関連するマルチビュー表現を学び、単一のアカウントごとに2つのカテゴリの機能を抽出する。
論文 参考訳（メタデータ） (2024-11-02T18:23:22Z) - Generalizable Metric Network for Cross-domain Person Re-identification [55.71632958027289]
クロスドメイン(ドメインの一般化)シーンは、Re-IDタスクにおいて課題となる。
既存のほとんどのメソッドは、すべてのドメインのドメイン不変またはロバストな機能を学ぶことを目的としています。
本稿では,サンプルペア空間における標本類似性を調べるために,GMN(Generalizable Metric Network)を提案する。
論文 参考訳（メタデータ） (2023-06-21T03:05:25Z) - Versatile User Identification in Extended Reality using Pretrained Similarity-Learning [16.356961801884562]
類似性学習モデルを開発し、“Who Is Alyx?”データセットで事前学習する。
従来の分類学習ベースラインと比較して,本モデルは優れた性能を示す。
本手法は,実運用XRシステムにおける事前学習した動きに基づく識別モデルの容易な統合方法である。
論文 参考訳（メタデータ） (2023-02-15T08:26:24Z) - Data-driven behavioural biometrics for continuous and adaptive user
verification using Smartphone and Smartwatch [0.0]
行動バイオメトリックスと多要素認証(MFA)をブレンドするアルゴリズムを提案する。
本研究では,モーションベースバイオメトリックスを用いてユーザの身元を検証するための2段階のユーザ検証アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-07T02:46:21Z) - Multi-Domain Adversarial Feature Generalization for Person
Re-Identification [52.835955258959785]
マルチデータセット特徴一般化ネットワーク(MMFA-AAE)を提案する。
複数のラベル付きデータセットから普遍的なドメイン不変の特徴表現を学習し、それを見えないカメラシステムに一般化することができる。
また、最先端の教師付き手法や教師なしのドメイン適応手法を大きなマージンで超えている。
論文 参考訳（メタデータ） (2020-11-25T08:03:15Z)
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。