EGCN: 효과적인 뼈대 기반 재활 운동 평가를 위한 앙상블 기반 학습 프레임워크

최근 몇몇 뼈대 기반 물리치료 시스템이 재활 대상자가 수행한 운동의 정확성 또는 품질을 자동으로 평가하기 위해 시도되고 있다. 그러나 알고리즘 및 평가 기준 측면에서, 다양한 뼈대 특징을 효과적으로 활용하는 데 있어 이 작업은 여전히 충분히 탐구되지 않은 상태이다. 기존 연구를 발전시키기 위해, 뼈대 기반 재활 운동 평가를 위한 앙상블 기반 그래프 컨볼루션 네트워크(Ensemble-based Graph Convolutional Network, EGCN)라는 학습 프레임워크를 제안한다. 우리 연구팀의 관점에서, 이는 두 가지 뼈대 특징 그룹을 동시에 활용하고, 다양한 앙상블 전략을 탐구하는 최초의 시도이다. 또한 기존 평가 기준의 적절성을 검토하고, 제안된 방법의 예측 능력에 집중하여 평가한다. 이후, 최신 공개 데이터셋인 UI-PRMD와 KIMORE를 대상으로 광범위한 교차 검증 실험을 수행하였다. 결과적으로, 본 EGCN의 모델 수준 앙상블 전략이 기존 방법보다 더 우수한 성능을 보였다. 코드는 다음과 같이 공개되어 있다: https://github.com/bruceyo/EGCN.