24nov2026
09:00 Defesa de Mestrado Auditório do IC3
Tema
Aprendizado de Representações com Modelos de Difusão para Reconhecimento de Atividades Humanas via Smartphones
Aluno
César Ernesto Achahui Vilca
Orientador / Docente
Edson Borin
Breve resumo
Os modelos de difusão emergiram como uma poderosa classe de modelos generativos capazes de capturar distribuições complexas de dados por meio da remoção progressiva de ruído. Além da geração de amostras, as camadas intermediárias desses modelos aprendem representações ricas e transferíveis. No entanto, ainda é pouco explorado como as escolhas arquiteturais, a profundidade de extração, os passos temporais de ruído e as estratégias de passagem influenciam a qualidade das representações em domínios baseados em sensores inerciais. Esta dissertação aborda essa lacuna por meio de uma avaliação sistemática de modelos de difusão incondicionais como extratores de características autosupervisionados para o Reconhecimento de Atividades Humanas (HAR), utilizando dados de sensores inerciais de smartphones. São avaliadas quatro arquiteturas representativas: Diffusion-TS (baseada em Transformers), DiffWave (baseada em blocos residuais), BioDiffusion (baseada em U-Net) e Latent Diffusion (uma abordagem de difusão no espaço latente). A extração de características é analisada em três dimensões principais: (i) passo temporal de difusão (timestep), (ii) profundidade do codificador e (iii) estratégia de passagem, comparando os mecanismos de Passagem Única (Single Pass, extração direta de características) e Passagem Dupla (Double Pass, percurso completo pela arquitetura antes da extração). Avaliações abrangentes em seis conjuntos de dados públicos de HAR demonstram que as representações baseadas em difusão superam consistentemente tanto os modelos de referência supervisionados quanto os métodos consolidados de aprendizado autosupervisionado (SSL), considerando diferentes proporções de dados. Análises estatísticas mostram que as camadas intermediárias do codificador e os passos temporais com baixos níveis de ruído produzem, de modo geral, as representações mais discriminativas. Além disso, em cenários extremos de aprendizado com poucas amostras (few-shot, 1–5 amostras rotuladas por classe), o DiffWave combinado com Passagem Dupla e níveis mais elevados de ruído (t ≈ 600) alcança desempenho superior, enquanto o BioDiffusion passa a apresentar os melhores resultados à medida que a quantidade de dados rotulados aumenta (≥ 25 amostras). Por fim, a análise do desempenho computacional revela que uma baixa complexidade operacional (MACs) não garante maior velocidade, devido a gargalos de memória da GPU no BioDiffusion durante a Passagem Dupla, enquanto o Diffusion-TS apresenta a menor latência de inferência entre os modelos avaliados. Esses resultados demonstram que os modelos de difusão são capazes de aprender representações eficazes a partir de dados de sensores inerciais.
Banca examinadora
Titulares:
Edson Borin IC/UNICAMP
Gabriel Capiteli Bertocco IC/UNICAMP
Leonardo Tomazeli Duarte FCA/UNICAMP
Suplentes:
Washington Luiz Miranda da Cunha IC/UNICAMP
Denis Gustavo Fantinato FEEC/UNICAMP
Instituto de Computação
Privacy Overview

This website uses cookies so that we can provide you with the best user experience possible. Cookie information is stored in your browser and performs functions such as recognising you when you return to our website and helping our team to understand which sections of the website you find most interesting and useful.