論文の概要: EMG-GPT: Predictive Pretraining on Residual-Quantized EMG Tokens for Hand Pose Estimation

• arxiv url: http://arxiv.org/abs/2610.05235v1
• Date: Sun, 04 Oct 2026 14:01:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 22:27:09.700611
• Title: EMG-GPT: Predictive Pretraining on Residual-Quantized EMG Tokens for Hand Pose Estimation
• Title（参考訳）: EMG-GPT:ハンドポーズ推定のための残留量子化EMGトークンの予測事前学習
• Abstract要約: 凍結残差ベクトル量子化トークン化器の離散sEMG表現を利用する因果変換器モデルを提案する。 このモデルは、事前訓練されたコードブックの幾何学を保ちながら、フレーム内統合と因果時間モデリングを組み合わせる。
• 参考スコア（独自算出の注目度）: 37.81151942368197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface electromyography (sEMG) is a low-power, cost-effective biosignal for hand-pose estimation and gesture classification. In this work, we examine whether self-supervised pretraining on sEMG can yield transferable representations for continuous hand-pose estimation. We introduce EMG-GPT, a causal transformer-based model that operates on discrete sEMG representations from a frozen residual vector quantization (RVQ) tokenizer and learns temporal dynamics through depth-autoregressive future-code prediction. The model combines within-frame integration with causal temporal modeling while preserving the geometry of the pretrained codebook. EMG-GPT shows competitive results in both Regression and Tracking tasks, supporting EMG-only pretraining as a viable approach for learning transferable sEMG representations.
• Abstract（参考訳）: 表面筋電図 (SEMG) は手動推定とジェスチャー分類のための低消費電力で費用効率のバイオシグナーである。 本研究では,sEMG上での自己教師付き事前学習が連続的目的推定のために伝達可能な表現が得られるかどうかを検討する。 EMG-GPTは,凍結残留ベクトル量子化(RVQ)トークン化器から離散sEMG表現を演算し,深度自己回帰的未来符号予測により時間ダイナミクスを学習する因果変換器モデルである。 このモデルは、事前訓練されたコードブックの幾何学を保ちながら、フレーム内統合と因果時間モデリングを組み合わせる。 EMG-GPTは回帰タスクと追従タスクの両方で競合する結果を示し、転送可能なsEMG表現を学習するための実行可能なアプローチとして、EMGのみの事前学習をサポートする。

関連論文リスト

• EMG-FM-Bench: A Comprehensive Benchmark for Foundation Model Transfer and Adaptation on Electromyography [14.813101752682627]
  EMG-FM-Benchは、基礎モデル転送と筋電図への適応を研究するための体系的なベンチマークである。 事前トレーニングされたモデルが凍結時や完全微調整時にどのように機能するか、事前トレーニングが同じモデルをスクラッチからトレーニングするのにどの程度役立つか、ラベル付きデータに制限された新規ユーザにどのように一般化するか、異なるEMGタスク間でのパフォーマンスがどう変化するか、という4つの質問に対して、事前トレーニングされた基礎モデルを評価する。
  論文  参考訳（メタデータ） (2026-10-05T14:53:56Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Synthetic Electrogram Generation with Variational Autoencoders for ECGI [0.0]
  合成多チャンネル心房筋電図生成のための可変オートエンコーダ(VAE)を提案する。 正弦リズム固有のVAE(VAE-S)と、正弦リズムとAF信号の両方で訓練されたクラス条件のVAE(VAE-C)の2つのモデルが提案されている。 VAE-SはサイリコEGMに対して高い忠実度を達成する一方、VAE-Cは洞再建品質の低下を犠牲にしてリズム特異的な生成を可能にする。
  論文  参考訳（メタデータ） (2025-12-16T16:13:25Z)
• Reconstruction of Surface EMG Signal using IMU data for Upper Limb Actions [0.7359962178534359]
  深層学習を用いた6軸IMUデータからの正規化sEMG信号の合成について検討する。 拡張因果畳み込みに基づくスライディング・ウィンドウ・ウェーブ・ネットモデルを用いて,IMUデータをsEMG信号にマッピングする訓練を行った。 以上の結果から,筋活動のタイミングと全般的な形状をモデルが予測できることが示唆された。
  論文  参考訳（メタデータ） (2025-11-21T12:26:33Z)
• Self-Boost via Optimal Retraining: An Analysis via Approximate Message Passing [58.52119063742121]
  独自の予測と潜在的にノイズの多いラベルを使ってモデルをトレーニングすることは、モデルパフォーマンスを改善するためのよく知られた戦略である。 本稿では,モデルの予測と提供ラベルを最適に組み合わせる方法について論じる。 我々の主な貢献は、現在のモデルの予測と与えられたラベルを組み合わせたベイズ最適集約関数の導出である。
  論文  参考訳（メタデータ） (2025-05-21T07:16:44Z)
• Deep Muscle EMG construction using A Physics-Integrated Deep Learning approach [0.7499722271664147]
  物理インフォームドとデータ駆動型ディープラーニングを統合したハイブリッドディープラーニングアルゴリズム,すなわちニューラル筋骨格モデル(NMM)を提案する。 データ駆動モデリングは、欠落したEMG信号を予測するのに使用されるが、物理に基づくモデリングは、対象固有の情報を予測にエングレーブする。
  論文  参考訳（メタデータ） (2025-03-07T07:46:26Z)
• Interpretable Next-token Prediction via the Generalized Induction Head [59.500195503897764]
  一般化帰納型モデル (GIM) は次点予測のための解釈可能なモデルである。 言語モデリングでは、GIMは解釈可能なベースラインに対して最大25%の速さで次世代の予測を改善する。 fMRI設定では、GIMは神経反応予測を20%改善する。
  論文  参考訳（メタデータ） (2024-10-31T12:33:26Z)
• Posterior Sampling for Competitive RL: Function Approximation and Partial Observation [96.73342437947014]
  我々は,ゼロサムマルコフゲーム(MG)に焦点をあてる。 そこで本研究では,両プレイヤーがナッシュ平衡を学習するためのモデルベース自己再生後サンプリング手法を提案する。 本稿では,潜在的な部分観測可能性を持つ逆MG学習のためのモデルに基づく後部サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T17:59:26Z)
• NAG-GS: Semi-Implicit, Accelerated and Robust Stochastic Optimizer [45.47667026025716]
  2つの重要な要素に依存した、新しく、堅牢で、加速された反復を提案する。 NAG-GSと呼ばれる手法の収束と安定性は、まず広範に研究されている。 我々は、NAG-arityが、重量減衰を伴う運動量SGDや機械学習モデルのトレーニングのためのAdamWといった最先端の手法と競合していることを示す。
  論文  参考訳（メタデータ） (2022-09-29T16:54:53Z)

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。