論文の概要: Physics-Guided Attention in a Lightweight TCN for Efficient WiFi CSI-Based Human Activity Recognition

• arxiv url: http://arxiv.org/abs/2606.01834v1
• Date: Mon, 01 Jun 2026 07:47:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.576531
• Title: Physics-Guided Attention in a Lightweight TCN for Efficient WiFi CSI-Based Human Activity Recognition
• Title（参考訳）: 効率的なWiFi CSIに基づく人間活動認識のための軽量TCNにおける物理誘導注意
• Authors: Chinthaka Ranasingha, Tharindu Fernando, Sridha Sridharan, Clinton Fookes, Harshala Gammulle,
• Abstract要約: 本稿では,動作認識による帰納的バイアスを特徴学習に明示的に組み込む,TCNベースのフレームワークを提案する。 提案手法は,パラメータ数と計算コストを大幅に削減しつつ,より深いベースラインよりも優れた性能を実現する。
• 参考スコア（独自算出の注目度）: 29.623315353959836
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human Action Recognition (HAR) using WiFi Channel State Information (CSI) has gained increasing attention due to its non-contact, low-cost, and privacy-preserving nature. However, existing learning-based approaches largely rely on deep, computationally intensive architectures to implicitly capture motion dynamics from CSI measurements, thereby increasing model complexity and reducing efficiency. Instead, we argue that incorporating appropriate inductive biases tailored to the physical characteristics of CSI signals enables more efficient and effective learning. In this work, we propose a compact temporal convolutional network (TCN)-based framework that explicitly incorporates motion-aware inductive biases into feature learning. Specifically, we introduce a Doppler-energy-guided temporal attention mechanism in feature space to emphasize motion-salient time segments, and a variance-driven channel attention module to weight informative subcarriers based on temporal motion statistics adaptively. By integrating these domain-specific priors, the proposed model effectively captures motion dynamics without increasing architectural depth. Extensive experiments on multiple benchmark datasets demonstrate that our approach achieves superior performance compared to deeper baselines, while significantly reducing parameter count and computational cost.
• Abstract（参考訳）: WiFiチャネル状態情報(CSI)を用いたヒューマンアクション認識(HAR)は、非接触性、低コスト、プライバシー保護の性質から注目を集めている。 しかし、既存の学習ベースのアプローチは、CSI測定から運動力学を暗黙的に捉え、モデル複雑性を増大させ、効率を低下させる、深層で計算集約的なアーキテクチャに大きく依存している。 代わりに、CSI信号の物理的特性に合わせて適切な帰納バイアスを組み込むことにより、より効率的で効果的な学習が可能になると論じる。 本研究では,動作認識による帰納的バイアスを特徴学習に明示的に組み込む,コンパクトな時間畳み込みネットワーク(TCN)ベースのフレームワークを提案する。 具体的には, 時空間にドップラーエネルギー誘導型時間的注意機構を導入し, 時間的動きの統計量に基づく重み付けを行うため, 変動駆動型チャネル注意モジュールを導入する。 ドメイン固有の事前情報を統合することで、アーキテクチャの深さを増大させることなく、効果的に動きのダイナミクスをキャプチャする。 複数のベンチマークデータセットに対する大規模な実験により,本手法はパラメータ数と計算コストを大幅に削減しつつ,より深いベースラインよりも優れた性能が得られることが示された。

関連論文リスト

• Neural Dynamics Self-Attention for Spiking Transformers [59.57278823240336]
  TransformerアーキテクチャによるSNN(Spike Neural Networks)は、エネルギー効率とパフォーマンスのバランスをとるための、有望な経路を提供する。 既存のスパイキングトランスフォーマーは、(i)ニューラルネットワーク(ANN)と(ii)推論時の高メモリオーバーヘッドと比較して、大幅なパフォーマンスギャップがあるという2つの重要な課題に直面している。 本稿では、局所受容野を持つスパイキングニューロンを用いて、メモリ要求を減らしながら注意を計算するLRF-Dynを提案する。
  論文  参考訳（メタデータ） (2026-03-09T12:23:37Z)
• UTAL-GNN: Unsupervised Temporal Action Localization using Graph Neural Networks [0.0]
  非トリミングスポーツビデオにおける微粒なアクションローカライゼーションは、迅速かつ微妙な動き遷移のために重大な課題を呈している。 既存の教師付きおよび弱教師付きソリューションは、しばしば広範なデータセットと高容量モデルに依存し、計算集約的で現実世界のシナリオに適応できない。 提案手法では,ブロックワイドパーティションを付加したポーズ列を付加したアテンションベースの時空間グラフ畳み込みネットワーク(ASTGCN)を事前学習する。 DSVダイビングデータセット上で平均平均平均精度(mAP)82.66%、平均遅延局所化29.09msを達成する。
  論文  参考訳（メタデータ） (2025-08-27T07:51:02Z)
• Low-Frequency Load Identification using CNN-BiLSTM Attention Mechanism [0.0]
  非侵入負荷モニタリング(Non-Inrusive Load Monitoring, NILM)は、効率的な電力消費管理のための確立された技術である。 本稿では,畳み込みニューラルネットワーク(CNN)と双方向長短期記憶(BILSTM)を組み合わせたハイブリッド学習手法を提案する。 CNN-BILSTMモデルは、時間的(時間的)と空間的(位置的)の両方の特徴を抽出し、アプライアンスレベルでのエネルギー消費パターンを正確に識別することができる。
  論文  参考訳（メタデータ） (2023-11-14T21:02:27Z)
• Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
  HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。 従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-02T12:04:28Z)
• WiFi-TCN: Temporal Convolution for Human Interaction Recognition based on WiFi signal [4.0773490083614075]
  近年,Wi-Fiによる人間活動認識が注目されている。 Wi-FiベースのHARにまつわる課題は、シーンや被写体が変化するときのパフォーマンスが著しく低下することである。 本稿では,TN-AAと呼ばれる時間的畳み込みネットワークを利用した新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:37:32Z)
• Human Activity Recognition from Wi-Fi CSI Data Using Principal Component-Based Wavelet CNN [3.9533044769534444]
  HAR(Human Activity Recognition)は、監視、セキュリティ、医療分野に応用された新興技術である。 実用リアルタイムアプリケーションにロバスト性と効率性を提供する新しいアプローチとして,主成分に基づくウェーブレット畳み込みニューラルネットワーク(PCWCNN)を提案する。 提案したPCWCNNモデルが,既存のアプローチよりも優れた実データセットで非常によく動作することを実証的に示す。
  論文  参考訳（メタデータ） (2022-12-26T13:45:19Z)
• Learn to cycle: Time-consistent feature discovery for action recognition [83.43682368129072]
  時間的変動を一般化することは、ビデオにおける効果的な行動認識の前提条件である。 Squeeze Re Temporal Gates (SRTG) を導入する。 SRTPGブロックを使用する場合,GFLOの数は最小限に抑えられ,一貫した改善が見られた。
  論文  参考訳（メタデータ） (2020-06-15T09:36:28Z)

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。