医療モニタリングやリハビリテーションにおいて、慣性計測装置（IMU）センサを用いた人間活動認識（HAR）は重要な役割を果たしている。しかし、深層学習の進歩にもかかわらず、ラベル付きデータへの依存、マルチセンサフュージョンの複雑さ、教師なし手法が時空間依存関係を捉える能力の限界といった主要な課題が残されている。これらの問題は、ノイズの多いデータ、活動の重複、ラベルの欠如といった実世界のシナリオで顕著である。
このような課題に対処するため、Saeid Arabzadehらは2026年6月19日にarXivに提出した論文で、記憶拡張オートエンコーダを用いた完全教師なし時空間特徴融合フレームワークを提案した。このフレームワークは、マルチセンサIMUデータの短い時間ウィンドウを通じて活動表現を強化し、リアルタイムアプリケーションを可能にすることを目的としている。具体的には、まずスタックドオートエンコーダを用いて階層的な静的特徴を抽出し、センサ内およびセンサ間で融合する。次に、シーケンス-to-シーケンスLSTMオートエンコーダがこれらの特徴を時間的に洗練し、ラベルなしで過去の運動パターンを組み込む。
研究チームはまた、短ウィンドウ制約下で特徴の分離性を最大化する構成を特定するため、主要なハイパーパラメータを分析した。DaLiAcとPAMAP2の2つの公開データセットでの評価では、本手法はそれぞれ96.6%と98.4%の精度を達成し、教師ありベースラインおよび既存の教師なし手法を上回った。特筆すべきは、より短い時間ウィンドウを使用しているにもかかわらず、特徴の分離性を最大9%向上させた点である。
現実世界の活動遷移をより忠実に反映するため、研究では現実的なクラス間ウィンドウ分割戦略を採用した。この分割により精度は約7%低下するが、著者らは実用的な関連性と価値を高めるために意図的にこの戦略を採用した。全体として、本研究は教師なし活動認識のための有効な解決策を提供し、特にラベル付きデータが不足する実世界シナリオでの応用可能性を持つ。