RelCon：用于可穿戴数据的运动基础模型的相对对比学习
💡
原文英文，约200词，阅读约需1分钟。
📝
内容提要
我们提出了一种新颖的自监督相对对比学习方法RelCon，用于从可穿戴加速度传感器训练运动基础模型。该模型通过学习距离度量捕捉相似性和领域特定语义信息，经过训练后在87376名参与者的10亿段数据上表现优异，适用于人类活动识别和步态度量回归等多种下游任务。
🎯
关键要点
- 提出了一种新颖的自监督相对对比学习方法RelCon。
- 该方法用于从可穿戴加速度传感器训练运动基础模型。
- 通过学习距离度量捕捉相似性和领域特定语义信息，如旋转不变性。
- 学习到的距离用于测量一对加速度时间序列之间的语义相似性。
- 基础模型在87376名参与者的10亿段数据上进行训练。
- 在多种下游任务中表现优异，包括人类活动识别和步态度量回归。
- 首次展示了运动数据基础模型在不同评估任务中的泛化能力。
➡️
