論文の概要: Temporal Structure Matters for Efficient Test-Time Adaptation in Wearable Human Activity Recognition

• arxiv url: http://arxiv.org/abs/2605.04617v2
• Date: Mon, 11 May 2026 07:28:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 16:21:29.364962
• Title: Temporal Structure Matters for Efficient Test-Time Adaptation in Wearable Human Activity Recognition
• Title（参考訳）: ウェアラブルなヒューマンアクティビティ認識における効率的なテスト時間適応のための時間構造
• Authors: Zishu Zhou, Zaipeng Xie, Xuanyao Jie,
• Abstract要約: テスト時間適応(TTA)は、実世界のクロスユーザー分散シフト下での性能低下を緩和する。 既存の手法は主に視覚タスクから仮定を継承し、WHARストリームに固有のウィンドウ間時間構造を過小評価する。 本稿では,WHARのための軽量かつバックプロパゲーションフリーなTTAフレームワークであるSIGHTを提案する。
• 参考スコア（独自算出の注目度）: 0.20391237204597365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wearable human activity recognition (WHAR) models often suffer from performance degradation under real-world cross-user distribution shifts. Test-time adaptation (TTA) mitigates this degradation by adapting models online using unlabeled test streams, yet existing methods largely inherit assumptions from vision tasks and underexploit the inherent inter-window temporal structure in WHAR streams. In this paper, we revisit such temporal structure as a feature-conditioned inference signal rather than merely an output-space smoothing prior. We derive the insight that temporal continuity and observation-induced feature deviations provide complementary cues for determining when to preserve or release temporal inertia and where to route prediction refinement during likely transitions. Building upon this insight, we propose SIGHT, a lightweight and backpropagation-free TTA framework for WHAR, enabling real-time edge deployment. SIGHT estimates predictive surprise by comparing the current feature with a prototype-based expected state, and then uses the resulting feature deviation to guide geometry-aware transition routing based on prototype alignment and stream-level marginal habit tracking. Evaluations on real-world datasets confirm that SIGHT outperforms existing TTA baselines while reducing computational and memory costs.
• Abstract（参考訳）: ウェアラブルなヒューマンアクティビティ認識(WHAR)モデルは、実世界のクロスユーザー分散シフトにおいて、しばしば性能劣化に悩まされる。 テスト時間適応(TTA)は、未ラベルのテストストリームを使用してモデルをオンラインで適応させることによって、この劣化を緩和するが、既存の手法は、視覚タスクからの仮定をほとんど継承し、WHARストリームに固有のウィンドウ間時間構造を過小評価する。 本稿では,単に出力空間の平滑化ではなく,特徴条件付き推論信号として時間構造を再検討する。 我々は、時間的連続性と観測による特徴偏差が、時間的慣性をいつ保存するか、いつ解放するか、そして、潜在的な遷移中に予測精度を向上するかを決定するための相補的な手がかりを提供するという知見を導出した。 この知見に基づいて,WHARのための軽量かつバックプロパゲーションフリーなTTAフレームワークであるSIGHTを提案する。 SIGHTは、現在の特徴とプロトタイプベースの期待状態を比較して予測的サプライズを推定し、その結果得られた特徴偏差を用いて、プロトタイプアライメントとストリームレベルの境界習慣追跡に基づいて、幾何学的に認識された遷移ルーティングをガイドする。 実世界のデータセットの評価では、SIGHTは計算とメモリコストを削減しながら既存のTTAベースラインを上回っている。

関連論文リスト

• FACTOR: Counterfactual Training-Free Test-Time Adaptation for Open-Vocabulary Object Detection [63.91351553178842]
  FACTORはオープン語彙オブジェクト検出のためのトレーニング不要なテスト時間適応である。 属性依存性の予測を選択的に抑制するために、属性の感度、意味的関連性、予測のバリエーションを定量化する。 PASCAL-C, COCO-C, FoggyCityscapes の実験では、FACTOR が従来の TTA 法より一貫して優れていたことが示されている。
  論文  参考訳（メタデータ） (2026-05-05T02:31:18Z)
• MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
  Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。 このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
  論文  参考訳（メタデータ） (2026-02-14T14:00:06Z)
• Order-Aware Test-Time Adaptation: Leveraging Temporal Dynamics for Robust Streaming Inference [18.524636088926425]
  テスト時間適応(TTA)により、未ラベルのテスト時間ストリームから学習することで、事前訓練されたモデルが分散シフトに適応できる。 これを解決するために、オーダーアウェアテスト時間適応(OATTA)を導入する。 OATTAは確立されたベースラインを継続的に強化し、精度を最大6.35%向上させた。
  論文  参考訳（メタデータ） (2026-01-28T20:07:40Z)
• How Different from the Past? Spatio-Temporal Time Series Forecasting with Self-Supervised Deviation Learning [15.102926671713668]
  時空間連続時間予測フレームワークST-SSDLを提案する。 典型的な時間パターンを表す学習可能なプロトタイプを用いて潜在空間を識別する。 実験によると、ST-SSDLは複数のメトリクスで常に最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-10-06T15:21:13Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• AiGAS-dEVL: An Adaptive Incremental Neural Gas Model for Drifting Data Streams under Extreme Verification Latency [6.7236795813629]
  ストリーミング設定では、データフローはパターン(コンセプトドリフト)の非定常性をもたらす要因によって影響を受ける。 本稿では,AiGAS-dEVLという新しい手法を提案する。これは,時間とともにストリーム内で検出されるすべての概念の分布を特徴付けるために,神経ガスの増大に依存する。 我々のアプローチは、時間とともにこれらの点の挙動をオンライン分析することで、特徴空間における概念の進化が定義できるようになることを明らかにしている。
  論文  参考訳（メタデータ） (2024-07-07T14:04:57Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• AR-TTA: A Simple Method for Real-World Continual Test-Time Adaptation [1.4530711901349282]
  本稿では,自律運転のためのデータセット,すなわちCLAD-CとShiFTを用いたテスト時間適応手法の検証を提案する。 現在のテスト時間適応手法は、ドメインシフトの様々な程度を効果的に扱うのに苦労している。 モデル安定性を高めるために、小さなメモリバッファを組み込むことで、確立された自己学習フレームワークを強化する。
  論文  参考訳（メタデータ） (2023-09-18T19:34:23Z)
• OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive Learning [67.07363529640784]
  提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。 我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。 リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
  論文  参考訳（メタデータ） (2023-06-20T03:02:14Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)

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。