[논문] AnyMo: 야외 인간 움직임을 위한 기하학 인식·설정 무관 모델링
개요
웨어러블 및 모바일 디바이스가 일상에 점점 더 깊숙이 스며들면서, 야외에서 인간의 움직임을 지속적으로 감지할 수 있는 실용적인 방법을 제공한다. 그러나 관성 신호는 신체 위치, 부착 위치, 센서 방향, 디바이스 하드웨어, 샘플링 프로토콜 등 센싱 설정에 크게 의존한다. 이러한 설정 의존성 때문에 디바이스와 데이터셋을 넘어선 움직임 표현을 학습하기가 어려워지며, 폐쇄형 인식 외에 웨어러블 IMU의 활용 범위가 제한된다. 우리는 설정에 구애받지 않는 인간 움직임 모델링을 위한 기하학 인식 프레임워크 AnyMo를 제안한다. AnyMo는 밀집된 신체 표면 배치 위에서 물리 기반 IMU 시뮬레이션을 수행해 다양하고 현실적인 합성 신호를 생성하고, 쌍으로 이루어진 합성 배치 뷰와 마스크된 부분 관측으로 그래프 인코더를 사전 학습한다. 다중 위치 IMU를 전신 움직임 토큰으로 토크나이징하고, 이러한 토큰을 LLM과 정렬시켜 움직임‑언어 이해를 가능하게 한다. AnyMo를 세 가지 보완적인 과제에 대해 평가하였다: 14개의 미지 downstream 데이터셋에 대한 제로샷 활동 인식, 교차 모달 검색, 웨어러블 IMU 움직임 캡셔닝. 그 결과 HAR에서 평균 Accuracy/F1/R@2를 각각 11.7 %/11.6 %/22.6 % 향상시키고, 제로샷 IMU‑to‑텍스트 및 텍스트‑to‑IMU 검색 MRR을 각각 15.9 %와 28.6 % 증가시켰으며, 제로샷 캡셔닝 BERT‑F1을 18.8 % 개선하였다. 이러한 결과는 AnyMo가 야외에서 웨어러블 움직임을 이해하기 위한 범용 모델임을 뒷받침한다. 프로젝트 페이지: https://baiyuchen.com/project/AnyMo.
주요 기여
이 논문은 다음 분야의 연구를 다룬다:
- cs.CV
- cs.AI
- cs.CL
- cs.HC
방법론
자세한 방법론은 전체 논문을 참고하시기 바랍니다.
실용적 함의
본 연구는 cs.CV 분야의 발전에 기여한다.
저자
- Baiyu Chen
- Zechen Li
- Wilson Wongso
- Lihuan Li
- Xiachong Lin
- Hao Xue
- Benjamin Tag
- Flora Salim
논문 정보
- arXiv ID: 2605.22715v1
- 분류: cs.CV, cs.AI, cs.CL, cs.HC
- 발표일: 2026년 5월 21일
- PDF: PDF 다운로드