MorphCL: Morphological Contrastive Learning for Inertial-based Human Activity Recognition
作者: Marius Bock, Yuwei Zhang, Juergen Gall, Michael Moeller, Kristof Van Laerhoven, Cecilia Mascolo
分类: cs.LG, cs.HC
发布日期: 2026-10-07
💡 一句话要点
提出MorphCL以解决惯性传感器人类活动识别中的数据结构问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 自监督学习 惯性传感器 人类活动识别 对比学习 运动模式分析 数据结构建模
📋 核心要点
- 现有自监督学习方法在处理大规模运动数据时未能充分利用全局结构，导致识别性能不足。
- MorphCL通过结构感知分组引入全局结构建模，提升了惯性数据的自监督学习效果。
- MorphCL在F1分数上提升了多达15个百分点，并且在数据量大幅减少的情况下，性能与现有模型相当或更优。
📝 摘要（中文）
尽管可穿戴和移动设备中的传感器普遍存在，并生成大量人类运动数据，但将未标记的录音转化为基础运动模型仍然是一个开放的挑战。自监督学习（SSL）减轻了对昂贵标注的需求，但现有方法在处理大规模运动数据的全局结构时仍显不足，尤其是在以静态、低方差行为为主的实际环境中。本文提出Morphological Contrastive Learning（MorphCL），一种自监督预训练框架，通过结构感知分组将全局结构建模引入惯性基础的SSL方法中。实验表明，MorphCL在学习编码器的线性探测和微调结果上提升了多达15个百分点的F1分数，并且在与现有基础模型的比较中，MorphCL预训练的编码器在性能上相当或超越了这些模型，同时训练数据量减少了4600倍。
🔬 方法详解
问题定义：本文旨在解决惯性传感器数据在自监督学习中未能有效利用全局结构的问题。现有方法依赖随机采样和局部比较，导致在实际环境中表现不佳，尤其是在静态和低方差行为主导的场景中。
核心思路：MorphCL的核心思想是通过结构感知分组来引入全局结构建模，从而增强自监督学习的效果。这种设计使得模型能够更好地理解和识别运动模式，提升了对复杂活动的识别能力。
技术框架：MorphCL的整体架构包括数据预处理、结构感知分组、对比学习模块和编码器训练。首先，对输入的惯性数据进行预处理，然后通过结构感知分组将数据划分为具有相似特征的子集，接着进行对比学习以优化编码器的表示能力。
关键创新：MorphCL的主要创新在于引入了结构感知分组机制，使得全局运动结构得以显性建模。这一方法与传统的随机采样和局部比较方法本质上不同，能够更有效地捕捉运动数据的全局特征。
关键设计：在关键设计方面，MorphCL采用了特定的损失函数以增强对比学习的效果，并在网络结构上进行了优化，以适应惯性数据的特性。具体参数设置和网络架构细节在实验部分进行了详细描述。
🖼️ 关键图片
📊 实验亮点
MorphCL在F1分数上提升了多达15个百分点，且在与现有基础模型的比较中，MorphCL预训练的编码器在性能上相当或超越了这些模型，且训练所需数据量减少了4600倍，显示出其高效性和实用性。
🎯 应用场景
该研究的潜在应用领域包括智能家居监控、健康监测、运动分析等。通过提高惯性传感器数据的识别能力，MorphCL能够为人类活动识别提供更准确的基础，进而推动相关领域的技术进步和应用落地。未来，MorphCL有望在更广泛的场景中应用，如智能穿戴设备和人机交互系统。
📄 摘要（原文）
Despite the ubiquity of sensors in wearable and mobile devices and the abundance of human movement data they generate, translating unlabeled recordings into foundational motion models remains an open challenge. Self-supervised learning (SSL) has alleviated the need for costly annotations, yet existing approaches leave the global structure of large-scale motion data largely untapped, relying on randomly sampled batches and local comparisons that become particularly problematic for in-the-wild inertial data dominated by stationary, low-variance behaviors. Here we introduce Morphological Contrastive Learning (MorphCL), a self-supervised pretraining framework that uses structure-aware grouping to inject explicit modeling of global structure into inertial-based SSL approaches. Building on two well-established pillars of motion analysis, the discovery of motion primitives, or motifs, and domain-specific feature descriptors, we show that MorphCL substantially improves linear probing and finetuning results of learned encoders by up to 15 percentage points in F1-score. In a comparison with existing foundation models, we demonstrate that MorphCL-pretrained encoders match or surpass them models in linear probing performance while trained on $4600\times$ less data. Qualitative analysis of the resulting embedding spaces further reveals morphologically meaningful cluster structure, with improved separation of kinematically similar activity classes.