RelCon：面向可穿戴数据的运动基础模型的相对对比学习
信号处理
2025-04-14 v5 人工智能
机器学习
摘要
我们提出 RelCon，一种新的自监督相对对比学习方法，用于从可穿戴加速度计传感器训练运动基础模型。首先，训练一个可学习的距离度量来捕捉动作相似性和领域特定语义信息，如旋转不变性。然后，所学到的距离提供了加速度计时间序列之间的语义相似性度量，我们用于训练我们的基础模型以建模跨时间和跨受试者的相对关系。该基础模型在 87,376 名受试者、10 亿个片段上进行训练，实现了在多个下游任务上的领先性能，包括人类活动识别和步态指标回归。到我们知识中，首次展示了可穿戴运动数据在不同评估任务上的基础模型的通用性。
引用
@article{arxiv.2411.18822,
title = {RelCon: Relative Contrastive Learning for a Motion Foundation Model for Wearable Data},
author = {Maxwell A. Xu and Jaya Narain and Gregory Darnell and Haraldur Hallgrimsson and Hyewon Jeong and Darren Forde and Richard Fineman and Karthik J. Raghuram and James M. Rehg and Shirley Ren},
journal= {arXiv preprint arXiv:2411.18822},
year = {2025}
}
备注
Accepted to ICLR 2025. Code here: https://github.com/maxxu05/relcon