論文の概要: Zero-Fi: Zero-Shot Wi-Fi-Based Human Activity Recognition via Contrastive Signal-Language Alignment

• arxiv url: http://arxiv.org/abs/2607.26381v1
• Date: Wed, 29 Jul 2026 01:34:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.50847
• Title: Zero-Fi: Zero-Shot Wi-Fi-Based Human Activity Recognition via Contrastive Signal-Language Alignment
• Title（参考訳）: Zero-Fi:コントラスト信号言語アライメントによるゼロショットWi-Fiに基づくヒューマンアクティビティ認識
• Abstract要約: 我々は、Wi-Fiに基づく人間行動認識のためのコントラスト的な信号言語アライメントフレームワークZero-Fiを提案する。 Zero-Fiは、補完的なWi-Fi信号の特徴から統一表現を学び、自然言語のアクティビティ記述のセマンティック表現と整合する。 大規模公開ベンチマークデータセットの実験は、ホールドアウトアクティビティクラスを効果的にゼロショット認識することを示した。
• 参考スコア（独自算出の注目度）: 8.413476030196028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wi-Fi-based human activity recognition has advanced substantially, but most existing methods assume a closed set of activities and require labeled Wi-Fi samples for every target class, limiting their ability to recognize unseen activities. We present Zero-Fi, a contrastive signal-language alignment framework for zero-shot Wi-Fi-based human activity recognition. Zero-Fi learns unified representations from complementary Wi-Fi signal features and aligns them with the semantic representations of natural-language activity descriptions in a shared embedding space. This cross-modal alignment enables Zero-Fi to recognize new activity classes without requiring labeled Wi-Fi samples or model adaptation for those classes. Experiments on large-scale public benchmark datasets demonstrate effective zero-shot recognition of held-out activity classes, highlighting the potential of signal-language alignment to extend Wi-Fi sensing beyond predefined activity classes.
• Abstract（参考訳）: Wi-Fiベースの人間活動認識は大幅に進歩しているが、既存のほとんどの手法では、閉じた一連のアクティビティを仮定し、対象クラスごとにラベル付きWi-Fiサンプルを必要とするため、目に見えないアクティビティを認識する能力は制限されている。 ゼロショットWi-Fiに基づく人間行動認識のためのコントラスト信号言語アライメントフレームワークであるZero-Fiを提案する。 Zero-Fiは、補完的なWi-Fi信号の特徴から統一表現を学び、それらを共有埋め込み空間における自然言語のアクティビティ記述のセマンティック表現と整合させる。 このクロスモーダルアライメントにより、Zero-Fiは、ラベル付きWi-Fiサンプルやそれらのクラスのモデル適応を必要とせずに、新しいアクティビティクラスを認識できる。 大規模公開ベンチマークデータセットの実験では、保持されたアクティビティクラスを効果的にゼロショット認識し、事前に定義されたアクティビティクラスを超えてWi-Fiセンシングを拡張する信号言語アライメントの可能性を強調している。

関連論文リスト

• Cross-Domain Multi-Person Human Activity Recognition via Near-Field Wi-Fi Sensing [20.1340684071988]
  不完全な活動カテゴリの存在下で、効率的なドメイン間適応のための新しいトレーニングフレームワークWiAnchorを提案する。 我々は、WiAnchorを徹底的に評価するための包括的なデータセットを構築し、アクティビティのカテゴリが欠如している場合に、90%以上のクロスドメイン精度を達成する。
  論文  参考訳（メタデータ） (2025-09-27T03:22:15Z)
• MaskFi: Unsupervised Learning of WiFi and Vision Representations for Multimodal Human Activity Recognition [32.89577715124546]
  我々は、未ラベルのビデオとWiFiのアクティビティデータのみをモデルトレーニングに活用する、新しい教師なしマルチモーダルHARソリューションMaskFiを提案する。 教師なしの学習手順から恩恵を受けるため、ネットワークは微調整のために少量の注釈付きデータしか必要とせず、より良いパフォーマンスで新しい環境に適応できる。
  論文  参考訳（メタデータ） (2024-02-29T15:27:55Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• Cross-modal Representation Learning for Zero-shot Action Recognition [67.57406812235767]
  我々は、ゼロショット動作認識(ZSAR)のためのビデオデータとテキストラベルを共同で符号化するクロスモーダル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。 我々のモデルは概念的に新しいパイプラインを使用し、視覚的表現と視覚的意味的関連をエンドツーエンドで学習する。 実験結果から,本モデルはZSARの芸術的状況に大きく改善され,UCF101,HMDB51,ActivityNetベンチマークデータセット上でトップ1の精度が向上した。
  論文  参考訳（メタデータ） (2022-05-03T17:39:27Z)
• Self-Supervised WiFi-Based Activity Recognition [3.4473723375416188]
  屋内環境における受動的活動認識のためのWi-Fiデバイスから微細な物理層情報を抽出する。 自己監督型コントラスト学習による活動認識性能の向上を提案する。 WiFiによる活動認識のタスクにおいて,マクロ平均F1スコアの17.7%の増加が観察された。
  論文  参考訳（メタデータ） (2021-04-19T06:40:21Z)
• Learning Disentangled Intent Representations for Zero-shot Intent Detection [13.19024497857648]
  DIR(Disentangled Representations)を学習するために、見知らぬクラスラベルを利用するクラス変換フレームワークを提案する。 本枠組みでは,意図の区別をモデルが学習することを奨励するマルチタスク学習の目標を提案する。 2つの実世界のデータセットの実験は、提案されたフレームワークがベースラインシステムに一貫した改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2020-12-03T06:41:09Z)
• Vision Meets Wireless Positioning: Effective Person Re-identification with Recurrent Context Propagation [120.18969251405485]
  既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。 携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。 本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
  論文  参考訳（メタデータ） (2020-08-10T14:19:15Z)

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。