Resumo Técnico: VaCDA – Alinhamento de Domínios Contrastivo Variacional Escalável para Reconhecimento de Atividade Humana

1. Definição do Problema

A proliferação de dispositivos vestíveis gerou vastas quantidades de dados de sensores não rotulados para o Reconhecimento de Atividade Humana (HAR). No entanto, o treinamento de modelos robustos é dificultado por dois desafios primários:

1. Escassez de Rótulos: A anotação manual é trabalhosa e sujeita a erros, tornando o aprendizado supervisionado difícil.
2. Heterogeneidade de Distribuição (Desvio de Domínio): As distribuições de dados variam significamente devido ao posicionamento do dispositivo (ex: pulso vs. perna), tipo de dispositivo (smartphone vs. smartwatch) e comportamento do usuário (idade, IMC, padrões de movimento). Modelos supervisionados tradicionais, que assumem que os dados de treinamento e teste seguem a mesma distribuição, apresentam desempenho subótimo quando aplicados a esses domínios deslocados.

Embora a Adaptação de Domínio (DA) aborde esse deslocamento, os métodos existentes frequentemente enfrentam dificuldades com a Adaptação de Domínio Multi-Fonte (MSDA), onde múltiplos domínios de origem rotulados devem ser alinhados com um domínio alvo não rotulado. Além disso, muitas abordagens dependem de técnicas discriminativas (ex: aprendizado adversarial) que podem não capturar totalmente a estrutura generativa subjacente dos dados, enquanto abordagens generativas como Autoencoders Variacionais (VAEs) correm o risco de generalizar excessivamente atividades distintas para o mesmo espaço latente.

2. Metodologia: O Framework VaCDA

Os autores propõem o VaCDA (Adaptação de Domínio Contrastiva Variacional), um framework de MSDA escalável que integra as capacidades de generalização de características dos VAEs com o poder discriminativo do aprendizado contrastivo. A arquitetura opera através de dois pipelines distintos:

A. Pipeline de Pré-treinamento (Alinhamento de Características)

Este pipeline alinha as características entre todos os domínios (múltiplas origens e o alvo) para aprender um espaço latente compartilhado de baixa dimensão. Ele combina três funções de perda:

1. Perda de Autoencoder Variacional (VAE): O modelo aprende uma distribuição compartilhada $D$ minimizando o Limite Inferior de Evidência (ELBO). Isso envolve:
   • Perda de Reconstrução: Garantir que o decodificador possa reconstruir sinais de entrada a partir de variáveis latentes.
   • Divergência KL: Regularizar a distribuição latente aprendida para corresponder a uma priori normal padrão, forçando o modelo a generalizar entre diferentes distribuições de origem e alvo.
2. Perda Contrastiva Auto-supervisionada: Inspirada no SimCLR, esta perda aproxima visualizações aumentadas da mesma amostra (pares positivos) e afasta amostras diferentes (pares negativos) no espaço latente. Isso ajuda o modelo a aprender características invariantes ao domínio.
3. Perda Contrastiva Supervisionada: Aplicada aos dados de origem rotulados, esta perda incentiva amostras com o mesmo rótulo de classe a ficarem mais próximas no espaço latente, enquanto separa classes diferentes. Isso garante que o modelo mantenha o poder discriminativo para atividades específicas, evitando que o VAE generalize excessivamente atividades distintas.

B. Pipeline do Classificador

Uma vez que o codificador é pré-treinado, ele é congelado. Um classificador separado (uma rede neural baseada em softmax) é treinado usando as representações latentes dos domínios de origem rotulados. O classificador é otimizado usando Perda de Entropia Cruzada tanto nos inputs de origem originais quanto nos aumentados. Durante a inferência, os dados do domínio alvo passam pelo codificador congelado e pelo classificador treinado para prever os rótulos das atividades.

Escalabilidade

Uma característica de design fundamental é que o framework não requer pipelines separados para cada domínio. Ao aproveitar a capacidade do VAE de mapear um número arbitrário de domínios de origem em um espaço latente compartilhado, o VaCDA pode lidar com um número arbitrário de fontes sem mudanças arquiteturais.

3. Principais Contribuições

O artigo descreve três contribuições principais:

1. Novo Framework Probabilístico: A proposta do VaCDA, que combina unicamente VAEs para generalização de distribuição com aprendizado contrastivo para discriminação de características.
2. Solução de MSDA Escalável: Um método capaz de lidar com um número arbitrário de domínios de origem, eliminando a necessidade de pipelines específicos de domínio e abordando a complexidade de cenários reais multi-fonte.
3. Avaliação Empírica Abrangente: Validação em quatro conjuntos de dados públicos (DSADS, OPPORTUNITY, PAMAP2, WISDM) sob três cenários de heterogeneidade: cross-posição, cross-pessoa e cross-dispositivo.

4. Resultados Experimentais

Os autores avaliaram o VaCDA contra seis baselines: STranGAN, CoDATS, Deep CORAL, DAN, CALDA e CrossHAR. O desempenho foi medido usando o F1-score Micro.

• Heterogeneidade Cross-Posição: O VaCDA superou todos os baselines no dataset DSADS (69,13% vs. 66,02% para o segundo melhor, CALDA) e no dataset PAMAP2 (45,75% vs. 32,44% para o CrossHAR). Os autores observaram um aumento significativo de desempenho (aprox. 13%) no PAMAP2, embora tenham reconhecido que todos os modelos tiveram dificuldades neste dataset, potencialmente devido a problemas de desalinhamento de dados.
• Heterogeneidade Cross-Pessoa: O VaCDA mostrou um desempenho competitivo. Embora não tenha superado os melhores baselines (CALDA e CoDATS) no DSADS e no OPPORTUNITY, alcançou uma melhora de 6% sobre os baselines no dataset WISDM.
• Heterogeneidade Cross-Dispositivo: Na tarefa de adaptação de smartphone-para-smartwatch no WISDM, o VaCDA superou marginalmente todos os baselines (49,67% vs. 44,86% para o CALDA).
• Estudo de Ablação: A remoção do aprendizado contrastivo resultou em uma queda de desempenho em todos os datasets. O ganho mais significativo foi observado no cenário cross-pessoa do WISDM (+18,19%), destacando o papel crítico do aprendizado contrastivo para lidar com a variabilidade específica do usuário.

5. Significância e Alegações

O artigo posiciona o VaCDA como uma solução robusta para os desafios específicos do HAR vestível, onde a heterogeneidade de dados é inerente.

• Mitigação da Heterogeneidade: O framework aborda efetivamente o "desvio de domínio" causado pelo posicionamento do dispositivo, tipo e comportamento do usuário ao aprender um espaço latente compartilhado.
• Escalabilidade: Resolve o problema de escalabilidade da adaptação multi-fonte, permitindo que o sistema se adapte a novos domínios sem a necessidade de retreinar toda a arquitetura do zero.
• Alegações Modestas: Os autores são cautelosos em suas conclusões. Eles reconhecem que, embora o VaCDA se destaque em cenários cross-posição e cross-dispositivo, ele não supera estritamente os baselines de estado da arte no cenário cross-pessoa, embora permaneça competitivo. Eles atribuem o baixo desempenho de alguns baselines (ex: STranGAN) ao uso de extratores de características customizados que não foram originalmente projetados para dados de IMU.

Os autores concluem que o VaCDA oferece um passo significativo à frente na construção de sistemas de HAR escaláveis e robustos para implantação no mundo real, com trabalhos futuros planejados para abordar a adaptação de domínio de conjunto aberto (open-set) e o reconhecimento de novas categorias.