論文の概要: Rotation-Invariant Multi-IMU Activity Recognition under Independent Per-Location Orientation Shifts
- arxiv url: http://arxiv.org/abs/2608.15621v1
- Date: Sun, 16 Aug 2026 08:39:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.366234
- Title: Rotation-Invariant Multi-IMU Activity Recognition under Independent Per-Location Orientation Shifts
- Title（参考訳）: 独立な位置方向シフトの下での回転不変多IMU活性認識
- Abstract要約: 在宅リハビリテーションや運動監視などの自己管理型ウェアラブルを備えたヒューマンアクティビティ認識(HAR)では、セッション間で慣性測定ユニット(IMU)を分離する必要があることが多い。
これは、従来のスカラーHARモデルが構造的に扱わないデプロイメントシフトである、ボディロケーション間の独立方向オフセットを誘導することができる。
本稿では、独立な位置ごとのIMU配向に対して堅牢性を実現する回転不変フレームワークTruly Rotation-Invariant HAR(TRI-HAR)について、構造モデル特性をオフセットする。
- 参考スコア（独自算出の注目度）: 13.403260838673502
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human Activity Recognition (HAR) with self-administered wearables, such as at-home rehabilitation and exercise monitoring, often requires reattaching inertial measurement units (IMUs) across sessions. In multi-IMU settings, this can induce independent orientation offsets across body locations, a deployment shift that conventional scalar HAR models do not structurally handle. Existing remedies rely on rotation augmentation, whose robustness depends on sampled transformations, or calibration and orientationnormalization pipelines requiring additional reference-frame assumptions or explicit procedures. We present Truly Rotation-Invariant HAR (TRI-HAR), a rotation-invariant framework that makes robustness to independent per-location IMU orientation offsets a structural model property. TRI-HAR reshapes accelerometer and gyroscope streams into triaxial vectors, applies a shared SO(3)-equivariant backbone and invariant projection to each IMU location, and fuses the resulting invariant features for activity classification. Across four multi-IMU benchmarks, TRI-HAR preserves macro-F1 under fixed independent per-location SO(3) rotations and outperforms rotation-augmented baselines under this target shift without requiring rotational augmentation.
- Abstract（参考訳）: 在宅リハビリテーションや運動監視などの自己管理型ウェアラブルを備えたヒューマンアクティビティ認識(HAR)では、セッション間で慣性測定ユニット(IMU)を分離する必要があることが多い。
マルチIMU設定では、これは、従来のスカラーHARモデルが構造的に扱わないデプロイメントシフトである、ボディロケーション間の独立方向オフセットを誘導することができる。
既存の治療法は回転増強に依存しており、その堅牢性はサンプル変換やキャリブレーションや配向正規化パイプラインに依存し、追加の参照フレーム仮定や明示的な手順を必要とする。
本稿では、独立な位置ごとのIMU配向に対して堅牢性を実現する回転不変フレームワークTruly Rotation-Invariant HAR(TRI-HAR)について、構造モデル特性をオフセットする。
TRI-HARは加速度計とジャイロスコープストリームを3軸ベクトルに結合させ、共有SO(3)-同変バックボーンと不変射影をそれぞれのIMU場所に印加し、その結果の非変動特徴を活動分類に融合させる。
4つのマルチIMUベンチマークにおいて、TRI-HARは、固定された独立配置SO(3)回転の下でマクロF1を保存し、回転の増大を必要とせずに、この目標シフト下での回転増大ベースラインを上回る。
関連論文リスト
- Disentangling the Expressivity of RoPE [53.85490969529292]
完全一様で有限精度のソフトアテンション変換器のアカウントを定式化する。
すべての回転成分が周期的であると、RoPE変換器はモジュラー述語で過去の時間論理で定義可能な言語を正確に認識する。
論文 参考訳（メタデータ） (2026-08-12T10:37:21Z) - Embedding Rotation Invariance for Provable Multi-Oriented Scene Text Recognition [49.665177053925184]
多目的テキストはシーンテキスト認識において大きな課題である。
既存の回転認識手法はテキストの向きを明示的に推定する。
これらの制限に対処するために、回転不変性をSTRフレームワークに組み込む。
論文 参考訳（メタデータ） (2026-08-11T09:06:46Z) - SHReg: Strictly Rotation-Equivariant Point Cloud Registration via Spherical Harmonics [3.911341147858216]
回転同変点クラウド登録フレームワークであるSHRegを提案する。
SHRegは、登録精度において、最先端の手法よりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-07-25T08:13:25Z) - RINO: Rotation-Invariant Non-Rigid Correspondences [50.628820523204304]
RINOは、教師なし、回転不変な高密度通信フレームワークである。
RINOは剛体および非剛体形状マッチングを統一する。
実験では、RINOの非厳密なマッチングタスクに対する前例のない性能を示す。
論文 参考訳（メタデータ） (2026-03-29T17:11:57Z) - Rotation-Robust Regression with Convolutional Model Trees [11.143798306106362]
畳み込みモデル木(CMT)を用いた画像入力のための回転ロバスト学習に関する研究
分割方向に対する幾何学的帰納バイアスを3つ導入し、平面内回転下でのロバスト性への影響を定量化する。
我々は1-vs-restレグレッションとして実装されたMNIST桁認識における一貫した傾向を観察する。
論文 参考訳（メタデータ） (2026-01-08T12:53:33Z) - Enhancing Rotation-Invariant 3D Learning with Global Pose Awareness and Attention Mechanisms [30.575822636142956]
そこで我々は,学習された共有回転から得られる,一様に一貫した参照点(シャドウと呼ばれる)を持つローカルRI記述子を増強する,シャドウ・インフォームド・ポース・フィーチャー(SiPF)を紹介した。
また,SiPFを特徴集約プロセスに統合した注目ベースの演算子である,回転不変アテンション・コンボリューション(RIAttnConv)を提案する。
論文 参考訳（メタデータ） (2025-11-11T23:01:28Z) - Equivariant Volumetric Grasping [2.9144754050161503]
垂直軸まわりの回転に同値な新しい容積グリップモデルを提案する。
提案したプロジェクションベース設計は,計算コストとメモリコストの両方を大幅に削減することを示す。
論文 参考訳（メタデータ） (2025-07-24T23:18:32Z) - EqNIO: Subequivariant Neural Inertial Odometry [33.96552018734359]
重力ベクトルの周りで回転すると、IMUデータは等変的に変形し、重力に平行な任意の平面に対して反射することを示す。
そして、IMUデータをこのフレームにマッピングし、既製の慣性オドメトリーネットワークで直接使用できる不変な正準化を実現する。
論文 参考訳（メタデータ） (2024-08-12T17:42:46Z) - Rotation-Invariant Transformer for Point Cloud Matching [42.5714375149213]
我々は,回転不変変換器であるRoITrを導入し,点クラウドマッチングタスクにおけるポーズ変動に対処する。
本稿では,自己認識機構によって学習した,回転不変なクロスフレーム空間認識を備えたグローバルトランスフォーマーを提案する。
RoITrは、Inlier RatioとRegistration Recallの点で、既存のメソッドを少なくとも13と5のパーセンテージで上回っている。
論文 参考訳（メタデータ） (2023-03-14T20:55:27Z) - CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation
via Centrifugal Reference Frame [60.24797081117877]
CRIN,すなわち遠心回転不変ネットワークを提案する。
CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。
点に基づく3次元回転の連続分布を導入する。
論文 参考訳（メタデータ） (2023-03-06T13:14:10Z) - Improving the Sample-Complexity of Deep Classification Networks with
Invariant Integration [77.99182201815763]
変換によるクラス内分散に関する事前知識を活用することは、ディープニューラルネットワークのサンプル複雑性を改善するための強力な方法である。
そこで本研究では,アプリケーションの複雑な問題に対処するために,プルーニング法に基づく新しい単項選択アルゴリズムを提案する。
本稿では,Rotated-MNIST,SVHN,CIFAR-10データセットにおけるサンプルの複雑さの改善について述べる。
論文 参考訳（メタデータ） (2022-02-08T16:16:11Z) - On the Robustness of Multi-View Rotation Averaging [77.09542018140823]
解法に$epsilon$-cycle整合項を導入する。
重み低減による誤測定の負の効果を暗黙的に抑制する。
実験の結果,提案手法は様々なベンチマークで芸術の状況よりも優れていた。
論文 参考訳（メタデータ） (2021-02-09T05:47:37Z)
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。