基础模型正在开启基于传感器的人体活动识别新时代:综述与展望
《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》:Foundation Models Defining A New Era In Sensor-based Human Activity Recognition: A Survey And Outlook
【字体:
大
中
小
】
时间:2026年06月29日
来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies
编辑推荐:
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要基于传感器的人体活动识别技术是许多普遍存在的可穿戴计算应用的基础,但目前的模型仍受到标签稀缺、传感器多样性以及在不同用户、设备和场景下泛化能力弱的限制。基础模型通常通过自监督学习和多模态学习在大规模
摘要 AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。
摘要 摘要 基于传感器的人体活动识别技术是许多普遍存在的可穿戴计算应用的基础,但目前的模型仍受到标签稀缺、传感器多样性以及在不同用户、设备和场景下泛化能力弱的限制。基础模型通常通过自监督学习和多模态学习在大规模数据上预训练,通过学习可复用、可适应的表示方法来应对这些挑战,从而实现对人体活动的理解。本综述汇总了当前用于基于传感器的人体活动识别的新兴基础模型。我们首先明确了相关的基本概念、定义和评估标准,然后按照从输入设计、预训练、适配到应用的生命周期视角对现有研究进行分类。我们没有逐一介绍具体的模型,而是从模式范围、分词方式、架构设计、学习范式、适配机制以及部署设置等九个技术维度分析了常见的设计模式和权衡因素。通过分析,我们确定了三种主要的开发方向:(i)在大型传感器数据集上从头开始训练专门用于人体活动识别的基础模型;(ii)将通用的时间序列或多模态基础模型适配于基于传感器的人体活动识别任务;(iii)整合大型语言模型以实现推理、注释以及人机交互功能。最后,我们指出了数据整理、多模态对齐、个性化处理、隐私保护以及负责任的应用等方面的挑战,并提出了朝着开发通用、可解释且以人为核心的活动理解基础模型发展的方向。完整的、持续更新的论文和模型索引可在我们的配套仓库中找到1 。
AI总结 AI生成的总结(实验性) 此总结是通过自动化工具生成的,并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、判断文章的相关性,以及让相关领域的读者更好地理解本文内容。它是对作者提供的摘要的补充,而作者提供的摘要仍是文章的核心总结。完整文章才是最具权威性的版本。点击此处了解更多 。
点击此处 ,可以对该总结的准确性、清晰度及实用性发表意见。您的反馈将有助于进一步优化未来的总结版本。
要查看此由AI生成的通俗语言总结,您需要拥有高级访问权限。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号