活動認識2026/8/16arXiv:2608.15861

TransfHAR: オンデマンド活動認識のための自己教師あり手首表現学習

TransfHAR: Self-Supervised Wrist Representations for On-Demand Activity Recognition

手首のIMUデータを用いた自己教師あり事前学習により、未学習の細かい活動を少数のデモから認識できるフレームワークを提案し、実時間スマートウォッチアプリとして実装・評価した。

詳しい要約

1. どんなもの？

TransfHARは、手首装着型IMUデータを用いた自己教師あり学習フレームワークであり、オンデマンドで細粒度の活動認識を実現する。粗い活動（例：座位、歩行、運動）のラベルなしデータで事前学習し、事前学習に含まれない細かい操作・ジェスチャ・手順的活動（例：スナップ、攪拌、手を振る）への転移を可能にする。スマートウォッチ上でリアルタイム動作し、ユーザーが少数のデモから自分の活動セットを定義・拡張できる。

2. 先行研究と比べてどこがすごい？

従来の活動認識は、新しいタスク・ユーザー・活動の粒度ごとにラベル付きデータを必要とし、それがボトルネックとなっていた。TransfHARは、ラベルなしの粗い活動データから転移可能な運動プリエンティブを学習することで、ラベル付きデータの必要性を大幅に減らし、完全教師ありベースラインと同等以上の性能を達成する点が優れている。

3. 技術・手法の肝は？

手法の肝は、自己教師あり事前学習によって手首IMUデータから運動構造を学習し、それを細粒度活動認識に転移すること。具体的なアーキテクチャや事前学習タスクは要旨からは不明だが、Transformerベースのモデルを用い、粗い活動データで事前学習した表現が細かい活動にも有効であることを示している。

4. どうやって有効だと検証した？

3つのオフラインクロスデータセット評価で、完全なラベルセットと同等または追加のセンサチャネルを用いた完全教師ありベースラインと比較し、平均6.2ポイントのbalanced accuracy向上を達成。さらに、10名の参加者がそれぞれ7つの新しい手首活動を行う実験室研究では、クラスあたり5例で86.7%、クラスあたり1分間の録音1回で更新した場合90.4%のbalanced accuracyを達成した。

5. 議論はある？

要旨からは、事前学習データの粒度や多様性が転移性能に与える影響、異なるセンサ配置やユーザー間のばらつきへのロバスト性、実環境での長期的な性能などについての議論は不明。また、自己教師あり事前学習の具体的なタスク設計や、モデルの複雑さと計算コストに関する考察も要旨には含まれていない。

6. 次に読むべき論文は？

要旨で参照されている先行研究や関連手法は明示されていないが、自己教師あり学習を用いた時系列センサデータの表現学習に関する研究や、手首IMUを用いた活動認識のための転移学習手法が関連する。具体的には、Self-Supervised Learning for Sensor Dataや、Domain Adaptation for Human Activity Recognitionなどの分野の論文が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Aidan Bradshaw, Riku Arakawa, Xin Liu, Karan Ahuja

分類: cs.LG

原文アブストラクト

Fine-grained wrist activity recognition can support applications such as procedural step guidance and context-aware assistance, yet acquiring labeled data for every new task, user, and activity granularity remains a bottleneck. We present TransfHAR, a self-supervised wrist IMU framework for on-demand, fine-grained activity recognition by learning transferable motion priors from global, unlabeled activities. We show that self-supervised pretraining on coarse wrist IMU activities (e.g., sitting, walking, exercise) learns motion structure rich enough to transfer to fine-grained manipulative, gestural, and procedural activities (e.g., snapping, stirring, waving) that are absent from pretraining. We implement TransfHAR as a real-time smartwatch application that lets users define and expand their own activity set for personalized recognition from only a few demonstrations. Across three offline cross-dataset evaluations, TransfHAR matches or exceeds fully supervised baselines that use complete label sets with equal or additional sensor channels, by 6.2 balanced-accuracy points on average. In an in-lab study with 10 participants each performing seven novel wrist activities, TransfHAR reaches 86.7% balanced accuracy across participants with five examples per class and 90.4% when updated from a single one-minute recording per class. These results indicate that broad self-supervised wrist pretraining provides an effective foundation for on-demand fine-grained activity recognition.

arXivで原文を読む →arXiv概要ページ