論文の概要: W-JEPA: Wavelet Joint-Embedding Predictive Architecture for Wearable Activity Recognition

• arxiv url: http://arxiv.org/abs/2610.19411v1
• Date: Wed, 14 Oct 2026 01:58:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.892993
• Title: W-JEPA: Wavelet Joint-Embedding Predictive Architecture for Wearable Activity Recognition
• Title（参考訳）: W-JEPA:ウェアラブルアクティビティ認識のためのウェーブレット結合組込み予測アーキテクチャ
• Abstract要約: 本稿では,慣性運動のマルチスケール構造を利用した自己教師型フレームワークW-JEPAを紹介する。 ウェーブレットトークンは、広範囲に類似した生信号内でアクティビティ固有の詳細を公開するのに役立つ。 W-JEPAは指数移動平均目標エンコーダによって供給されるマスクされたトークン表現を予測する。
• 参考スコア（独自算出の注目度）: 1.012734437058686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A major challenge in wearable device activity recognition is the heterogeneity across datasets in sensor placement, channel count, sampling rate and subjects. Moreover, the motion patterns that distinguish activities often appear as subtle, scale-specific variations within otherwise similar waveforms. As a result, raw signals are often ambiguous, and models trained on them tend to rely on cues specific to a particular sensor setup or participant, which limits both cross-dataset transfer and generalization to unseen participants. Addressing this requires representations that preserve such activity-relevant, scale-specific variation. We introduce W-JEPA, a self-supervised framework that exploits the multiscale structure of inertial motion and leverages a joint-embedding predictive architecture, by organizing windows into a fixed grid of wavelet tokens indexed by scale, sensor axis, and time. These wavelet tokens help expose activity-specific detail within broadly similar raw signals, and serve as the units of masked latent prediction. W-JEPA predicts masked token representations supplied by an exponential-moving-average (EMA) target encoder. Because recovering a masked token requires relating motion at one scale and axis to motion at other scales and axes, the model learns the cross-scale, cross-axis structure of human movement. Across six wearable activity benchmarks, W-JEPA outperforms state-of-the-art methods under random-window splits and remains the strongest when subjects are held out, improving average macro-F1 by 8.7 percentage points over the strongest published baseline. These results indicate that physically grounded multiscale tokenization, combined together with latent predictive learning, provides a promising foundation for transferable representations of heterogeneous wearable inertial data.
• Abstract（参考訳）: ウェアラブルデバイスのアクティビティ認識における大きな課題は、センサ配置、チャネル数、サンプリング率、被写体におけるデータセット間の不均一性である。 さらに、アクティビティを区別する動きパターンは、他の類似の波形の中で微妙でスケール特有のバリエーションとして現れることが多い。 結果として、生信号はしばしば曖昧であり、訓練されたモデルは特定のセンサーの設定や参加者に特有の手がかりに依存する傾向がある。 これに対応するには、このようなアクティビティ関連、スケール固有のバリエーションを保存する表現が必要である。 W-JEPAは、慣性運動のマルチスケール構造を利用して、ウィンドウをスケール、センサー軸、時間でインデックス付けされたウェーブレットトークンの固定グリッドに整理することで、共同埋め込み予測アーキテクチャを活用する自己教師型フレームワークである。 これらのウェーブレットトークンは、広範囲に類似した生信号の中で活動特有の詳細を明らかにするのに役立ち、マスク付き潜伏予測の単位として機能する。 W-JEPAは指数移動平均(EMA)ターゲットエンコーダによって供給されるマスクされたトークン表現を予測する。 マスクされたトークンを回収するためには、あるスケールでの動きと他のスケールや軸での動きを関連付ける必要があるため、モデルは人間の動きのクロススケール、クロス軸構造を学習する。 6つのウェアラブル・アクティビティ・ベンチマークにおいて、W-JEPAはランダム・ウインドウ・スプリットの下で最先端の手法より優れており、被験者の持ちこたえが最強であり、最強のベースラインよりも平均マクロF1を8.7ポイント改善している。 これらの結果から、物理的に基底を成すマルチスケールトークン化と潜在予測学習が組み合わさって、異種ウェアラブル慣性データの転送可能な表現の基礎となることが示唆された。

関連論文リスト

• COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
  一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。 最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。 本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-13T09:23:12Z)
• Dywave: Event-Aligned Dynamic Tokenization for Heterogeneous IoT Sensing Signals [8.057104516698145]
  モノのインターネット(IoT)システムは、ユビキタスセンサーから不均一なセンシング信号を継続的に収集する。 これらの信号は本質的に非定常かつマルチスケールであり、標準的なトークン化技術に固有の課題を提起している。 本稿では,IoTセンサ信号の動的トークン化フレームワークであるDywaveを提案する。
  論文  参考訳（メタデータ） (2026-05-13T18:27:25Z)
• WaveMAE: Wavelet decomposition Masked Auto-Encoder for Remote Sensing [5.65492058135409]
  WaveMAEはマルチスペクトル衛星画像に適したマスク付き自動符号化フレームワークである。 評価の公平性を確保するため、全ての手法が同じデータセット上で事前訓練される(fMoW-S2)。 WaveMAEは従来の最先端アプローチよりも一貫した改善を実現している。
  論文  参考訳（メタデータ） (2025-10-26T14:45:30Z)
• Toward Foundation Model for Multivariate Wearable Sensing of Physiological Signals [2.370585289844609]
  本稿では,ウェアラブルセンシングデータから情報表現を抽出するための,最初のマルチモーダル・ユビキタス基盤モデルを提案する。 具体的には,センサ内およびセンサ間の両方の信号パターンを検出するための特別な連絡トークンを共用したチャネル認識型アテンション機構を設計する。 本モデルでは, メンタルヘルス, 身体状態推定, バイタルサイン推定, 疾患リスク評価など, 11のパブリックなウェアラブルセンシングデータセットに対して, 異常な一般化性を示す。
  論文  参考訳（メタデータ） (2024-12-12T23:35:18Z)
• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement [11.793803540713695]
  慣性センサーは様々な携帯機器で広く使われている。 ウェーブレット動的選択ネットワーク(WDSNet)は、可変慣性信号に対する適切なウェーブレット基底をインテリジェントに選択する。 WDSNetは、弱教師付き手法として、比較された全教師付き手法の最先端性能を達成する。
  論文  参考訳（メタデータ） (2023-12-29T07:44:06Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• ViT-Calibrator: Decision Stream Calibration for Vision Transformer [49.60474757318486]
  本稿では、一般的な視覚変換器の性能を高めるための、決定ストリームと呼ばれる新しいパラダイムを提案する。 異なるトークンと複数の次元の関連係数の相関関係を探索し,学習過程における情報伝達機構について光を当てた。
  論文  参考訳（メタデータ） (2023-04-10T02:40:24Z)

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。