REFIT：无需标签识别、修正和测试可穿戴传感器佩戴位置偏移

arXiv:2610.08991v1 公告类型：新 摘要：我们提出了 REFIT，这是一种输入校准方法，用于处理部署时惯性传感器佩戴方式不同于训练时的冻结活动识别模型。当用户将手表换到另一只手腕，或将带式传感器翻转后重新佩戴时，模型会在变化后的坐标轴上看到相同的动作。REFIT 无需标签或重新训练即可消除这类偏移。它利用轴变换族（例如反射和旋转）描述这些偏移，并根据用户数据拟合每个变换族，使简单统计量与训练数据的统计量相匹配。消除失配最多的变换族即可确定偏移类型。REFIT 在冻结模型之前应用该变换族中表现最佳的成员来修正偏移，并重新估计模型的归一化统计量。随后，它利用无标签准确率估计来测试修正后的模型；当准确率较低时，便要求用户重新佩戴传感器。在真实的左右手传感器配对数据，以及真实和模拟的重新佩戴数据上的实验表明，REFIT 在每个数据集上都优于无标签测试时自适应方法，并恢复了重新佩戴导致的大部分准确率损失。与基于置信度的选择器相比，它能够更可靠地识别注入的偏移。在对轴的所有带符号置换进行校正后，该估计能够区分成功校正和失败校正。