DATTA: Domain-Adversarial Test-Time Adaptation for Cross-Domain WiFi-Based Human Activity Recognition

要約

クロスドメイン一般化は、環境、デバイス、対象の変化に起因する WiFi ベースのセンシングにおける未解決の問題であり、チャネル状態情報のドメイン シフトを引き起こします。
これに対処するために、私たちは、ドメイン敵対的トレーニング (DAT)、テスト時間適応 (TTA)、および重みリセットを組み合わせた新しいフレームワークであるドメイン敵対的テスト時間適応 (DATTA) を提案します。これにより、目に見えないターゲット ドメインへの適応を促進し、
壊滅的な忘れ物。
DATTA は、速度を最適化した軽量で柔軟なアーキテクチャに統合されています。
当社は、公開データを使用したすべての主要コンポーネントのアブレーション研究を含む DATTA の包括的な評価を実施し、人間の活動認識などのリアルタイム アプリケーションへの適合性を検証します。
TTA の SotA ビデオベースのバリアントを WiFi ベースの DAT と組み合わせて DATTA と比較すると、私たちの方法は 8.1% 高い F1 スコアを達成します。
DATTA の PyTorch 実装は、https://github.com/StrohmayerJ/DATTA で公開されています。

要約(オリジナル)

Cross-domain generalization is an open problem in WiFi-based sensing due to variations in environments, devices, and subjects, causing domain shifts in channel state information. To address this, we propose Domain-Adversarial Test-Time Adaptation (DATTA), a novel framework combining domain-adversarial training (DAT), test-time adaptation (TTA), and weight resetting to facilitate adaptation to unseen target domains and to prevent catastrophic forgetting. DATTA is integrated into a lightweight, flexible architecture optimized for speed. We conduct a comprehensive evaluation of DATTA, including an ablation study on all key components using publicly available data, and verify its suitability for real-time applications such as human activity recognition. When combining a SotA video-based variant of TTA with WiFi-based DAT and comparing it to DATTA, our method achieves an 8.1% higher F1-Score. The PyTorch implementation of DATTA is publicly available at: https://github.com/StrohmayerJ/DATTA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google