LLMを活用した少ショットHARのためのサンプル選択

本論文は、ウェアラブルセンサーを用いた少ショットの人間の活動認識（HAR）の課題に取り組んでいます。大規模言語モデル（LLM）を活用してセマンティック推論を組み込み、従来のメソッドと比較してサンプル選択とパフォーマンスを向上させています。LLMが生成した知識事前情報を利用してサンプルスコアリングと選択をガイドすることは、特に類似した活動を区別する上で重要な貢献です。

• •少ショットHARのためのLLMを活用したサンプル選択フレームワークを提案。
• •セマンティック推論のためにLLMが生成した知識事前情報を使用。
• •少ショット条件下でUCI-HARデータセットにおいて最先端のパフォーマンスを達成。
• •サンプル選択のために、セマンティック事前情報と構造的および幾何学的手がかりを組み合わせる。