行動認識/自己教師あり学習2026/8/16arXiv:2608.15861v2

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データから、ラベルなしの粗い活動で自己教師あり事前学習し、細かい活動認識に転移可能な表現を獲得するフレームワークを提案。スマートウォッチ上で少数のデモからユーザー独自の活動セットを定義・拡張できる。

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）での自己教師あり事前学習により、事前学習に含まれない細粒度の操作的・ジェスチャ的・手順的活動（例：スナップ、攪拌、手を振る）への転移可能な動作プリエンティブを学習する。スマートウォッチ上のリアルタイムアプリケーションとして実装され、ユーザーが少数のデモンストレーションから自身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自己教師あり学習を行うことで、ラベル付きデータの必要性を大幅に削減し、事前学習に含まれない細粒度活動への転移を可能にした点が優れている。また、完全なラベルセットと同等以上のセンサチャネルを用いる完全教師ありベースラインと比較して、平均6.2ポイントのbalanced accuracy向上を達成している。

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粗い手首IMU活動から運動構造を学習し、それを細粒度活動に転移することにある。具体的なアーキテクチャや学習手法の詳細は要旨からは不明だが、Transformerベースのモデル（TransfHAR）を用い、リアルタイムのスマートウォッチアプリケーションとして実装されている。ユーザーは少数のデモンストレーションから活動セットを定義でき、クラスごとに5例または1分間の記録から更新可能である。

4. どうやって有効だと検証した？

3つのオフラインのクロスデータセット評価において、完全なラベルセットと同等以上のセンサチャネルを用いる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向上を達成した。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、クラスごとに5例の場合で参加者間のbalanced accuracy 86.7%、クラスごとに1分間の記録から更新した場合で90.4%を達成した。

5. 議論はある？

要旨からは、議論の余地や限界についての明示的な記述はない。ただし、自己教師あり事前学習が粗い活動に基づいているため、事前学習データの多様性や粒度が転移性能に影響する可能性が考えられる。また、実験室研究の参加者数が10名と小規模であり、実環境での汎用性についてはさらなる検証が必要かもしれない。

6. 次に読むべき論文は？

要旨で参照されている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センサベースの活動認識に関する研究が関連する。具体的には、自己教師あり事前学習の手法（例：contrastive learning, masked autoencoding）や、IMUデータを用いた活動認識のためのTransformerベースのモデル、また、クロスデータセット評価で比較された完全教師ありベースラインの手法が挙げられる。

※ 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

← 論文一覧