Attention-Driven Body Pose Encoding for Human Activity Recognition
원문 초록
This article proposes a novel attention-based body pose encoding for human activity recognition that presents a enriched representation of body-pose that is learned. The enriched data complements the 3D body joint position data and improves model performance. In this paper, we propose a novel approach that learns enhanced feature representations from a given sequence of 3D body joints. To achieve this encoding, the approach exploits 1) a spatial stream which encodes the spatial relationship between various body joints at each time point to learn spatial structure involving the spatial distribution of different body joints 2) a temporal stream that learns the temporal variation of individual body joints over the entire sequence duration to present a temporally enhanced representation. Afterwards, these two pose streams are fused with a multi-head attention mechanism. % adapted from neural machine translation. We also capture the contextual information from the RGB video stream using a Inception-ResNet-V2 model combined with a multi-head attention and a bidirectional Long Short-Term Memory (LSTM) network. %Moreover, we whose performance is enhanced through the multi-head attention mechanism. Finally, the RGB video stream is combined with the fused body pose stream to give a novel end-to-end deep model for effective human activity recognition.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
SEZ-HARN: Self-Explainable Zero-shot Human Activity Recognition Network
Through-the-Wall Radar Human Activity Recognition WITHOUT Using Neural Networks
데이터 효율적 심층 학습: 관성 센서 분류에서 학습 세트 크기 추정을 위한 경험적 지침
Data-Efficient Deep Learning: Empirical Guidelines for Training Set Size Estimation in Inertial Sensor Classification
심층 학습 모델의 대규모 관성 데이터셋 의존성은 인간 활동 인식(human activity recognition) 및 스마트폰 위치 인식(smartphone location recognition)과 같은 관성 센서 기반 분류 작업에서 심각한 병목 현상을 초래한다. 이러한 도메인에서 데이터 수집은 복잡하고 시간이 많이 소요되며 확장이 어려운 대규모 녹화 캠페인을 필요로 한다. 현재, 원하는 정확도 수준에 도달하는 데 필요한 최소 샘플 크기를 결정하기 위한 데이터 기반 지침은 존재하지 않는다. 이 격차를 해소하기 위해, 본 연구는 관성 분류에서 학습 곡선(learning curve) 수렴 속도에 대한 체계적인 경험적 평가를 제시한다. 이진 및 다중 클래스 시나리오 모두에서 분류 성능을 분석하는 통합 프레임워크를 소개하고, 데이터셋 크기에 따른 성능을 추정하는 경험적 공식을 도출한다. 총 102.7시간의 관성 측정값으로 구성된 6개의 다양한 실세계 데이터셋에 대한 테스트 결과, 작업 복잡도에 관계없이 정확도가 일관된 로그 성장 패턴을 따르는 것으로 나타났다. 이 발견을 활용하여, 학습 곡선이 점근적 최대값의 사전 정의된 평균 절대 백분율 편차(mean absolute percentage deviation) 이내로 안정화되는 데 필요한 샘플 크기로 정의되는 정량적 안정점(stability point) 지표를 제안한다. 분석 결과, 모델은 전통적인 경험 법칙이 제시하는 것보다 훨씬 적은 샘플로 실용적 안정성에 도달하는 경우가 많음이 밝혀졌다. 궁극적으로, 소규모 파일럿 연구에서 전체 데이터 요구량을 외삽하는 일반화 가능한 프레임워크를 제공하여, 녹화 노력과 모델 신뢰성 간의 트레이드오프를 최적화한다. 이러한 발견들은 지배적인 패러다임을 데이터 볼륨 최대화에서 데이터 효율성 최적화로 전환시키며, 관성 센싱 애플리케이션에서 녹화 캠페인 계획을 위한 구체적이고 데이터 기반의 지침을 제공한다.
벽 투과 레이더 인체 행동 인식을 위한 일반화 이론
Generalization Theory for Through-the-Wall Radar Human Activity Recognition
벽 투과 레이더(TWR) 인체 행동 인식(HAR)은 가시선 비확보(non-line-of-sight) 실내 감지, 보안 모니터링, 긴급 구조에 있어 중요하다. 그러나 개인 변이, 관측 시점 변이, 벽 조건 변이로 인한 구조적 분포 이동(distribution shift)은 인식 일반화를 심각하게 저하시키며, 목표 도메인 오류의 근원에 대한 엄밀한 이론적 설명이 여전히 부재하다. 이 문제를 해결하기 위해, 본 논문에서는 TWR HAR을 위한 일반화 분석 프레임워크를 제안한다. 먼저, 실내 인체 운동학, TWR 에코 생성, 레이더 이미지 형성, 특징(feature) 표현, 유계 가중치(bounded-weight) 신경망에 대한 모델을 통합된 소스-대-타겟 학습 공식화 내에서 수립한다. 이후 소스 위험도(source risk), 타겟 위험도(target risk), 경험적 위험도(empirical risk), 허용 가능한 물리적 도메인 디스크립터(admissible physical domain descriptor)를 정의하고, 통합된 목표 도메인 일반화 경계(generalization bound)를 도출한다. 다음으로, 구조적 이동 항을 교차 개인(cross-person), 교차 시점(cross-view), 교차 벽(cross-wall) 성분으로 분해하고, 물리적 저차원 표현, 다중 소스 학습, 매개변수(parameter) 공간 커버리지의 경계 조임(bound-tightening) 효과를 분석한다. 시뮬레이션 및 실측 실험을 통해 도출된 이론적 분석을 공동으로 검증하고 그 응용 가치를 제시한다.
STELLA: 온디바이스 인간 행동 인식을 위한 효율적인 센서-LLM 변환
STELLA: Efficient Sensor-to-LLM Translation for On-Device Human Activity Recognition
인간 행동 인식(HAR)은 엣지 디바이스에서 지속적으로 실행될 것이 점점 더 기대되고 있지만, 최근 대규모 언어 모델(LLM) 기반 방법들은 배포가 어렵다는 문제가 있다. 원시 센서 프롬프트는 길고, 클라우드 추론은 지연과 개인정보 침해 위험을 수반하며, 파인튜닝된 LLM 파이프라인은 범용 모델을 태스크 특화 분류기로 전환시킨다. 우리는 LLM 적응 부담을 센서 토큰화로 전환하는, 온디바이스 HAR을 위한 효율적인 센서-LLM 변환 프레임워크 STELLA를 제안한다. 경량 계층적 토크나이저는 다채널 관성 센서 윈도우 전체를 고정 크기의 간결한 잠재 센서 토큰으로 압축하고, 이를 동결된 사전학습 LLM의 임베딩 공간으로 투영한 뒤 레이블 채점을 위한 자연어 프롬프트와 결합한다. 이를 통해 활동과 관련된 시간적·채널 간 구조를 보존하면서, 센서 구성이 달라져도 LLM 측 연산을 예측 가능하게 유지한다. STELLA는 온디바이스 개인화도 지원하여, 소량의 사용자 특화 레이블 데이터에 대해 경량 토크나이저만을 적응시키고 로컬 검색 컨텍스트로 추론을 보강하며, LLM·사용자 데이터·검색 모두를 디바이스 내에 유지한다. 7개의 공개 HAR 데이터셋과 8개의 벤치마크 설정에서 STELLA는 새로운 최고 성능을 달성하며, 기존 방법 대비 최대 11.83% F1 향상을 이루었다. 온디바이스 개인화는 배포 후 사용자 데이터가 축적됨에 따라 추가로 최대 21.91% F1 향상을 가져온다. STELLA는 동일한 LLM 파이프라인 하에서 대표적인 시계열 토크나이저보다 우수한 성능을 보이며, 실용적인 모바일 및 엣지 예산 내에서 실시간 추론을 달성한다. 이는 효율적인 센서 토큰화가 엣지 디바이스에서 정확하고 사생활을 보호하며 개인화된 LLM 기반 HAR로 나아가는 실용적인 경로임을 보여준다.
LastAct: 실시간 스마트홈 행동 인식을 위한 궤적 기반 최신 활동 위치 추정
LastAct: Trajectory-Guided Latest-Activity Localization for Real-Time Smart-Home Activity Recognition
주변 센서를 이용한 인간 행동 인식(HAR)은 건강 모니터링 및 생활 보조와 같은 스마트홈 응용을 가능하게 한다. 그러나 실제 배포 환경에서는 센서 이벤트가 연속 스트림으로 도착하며 활동 경계가 알려지지 않는다. 따라서 슬라이딩 윈도우 추론은 전환 구간에 걸쳐 있거나 복합 활동을 포함하는 윈도우를 다수 생성하여, 대부분의 벤치마크와 모델이 사용하는 사전 분할 인스턴스 가정을 위반하는 경계 오염 문제를 야기한다. 또한 많은 파이프라인은 센서 ID를 독립적인 토큰으로 처리함으로써 공간적 문맥을 충분히 활용하지 못한다. 본 논문에서는 혼합 윈도우 환경에서 가장 최근 활동을 대상으로 하면서 공간 구조를 명시적으로 모델링하는 스트리밍 스마트홈 HAR을 위한 궤적 중심 프레임워크인 LastAct를 제안한다. LastAct는 센서 이벤트를 가정 평면도에 투영하여 공간적 연속성을 보존하는 레이아웃 정렬 궤적 이미지 시퀀스를 형성한다. 경량 게이트가 오염된 윈도우를 식별하고, 경계 위치 추정기가 마지막 전환 지점을 추정함으로써 경계 이후 증거를 강조하고 오래된 문맥을 억제하는 경계 기반 마스킹을 가능하게 한다. 효율성을 위해 사전 계산된 레이아웃 정렬 템플릿 캐시를 재사용하여 반복적인 렌더링을 방지한다. 네 개의 공개 스마트홈 데이터셋에서 근현실적 혼합 활동 프로토콜을 적용한 실험 결과, LastAct는 순수 윈도우에서 경쟁력 있거나 우수한 성능을 달성하고 교차/혼합 윈도우에서 Macro-F1의 상당한 향상을 보임으로써, 근현실적 슬라이딩 윈도우 환경에서 개선된 강건성을 입증한다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.