RadMamba: 레이더 기반 인체 활동 인식의 혁신 - 적은 파라미터로 최고 성능 달성

RadMamba는 적은 파라미터로 높은 정확도를 달성한 혁신적인 레이더 기반 인체 활동 인식 모델입니다. 세 개의 데이터셋에서 기존 최고 모델들을 능가하는 성능을 보였으며, 자원 제약 환경에서의 활용 가능성이 매우 높습니다.

웨어러블 기기나 카메라 기반 시스템과 달리, 개인정보 보호 및 견고성 측면에서 우수한 레이더 기반 인체 활동 인식(HAR) 기술이 주목받고 있습니다. 하지만 기존의 CNN이나 RNN 기반 모델들은 효과적이지만, 고도의 계산 능력을 필요로 하여 자원 제약이 있는 환경이나 여러 센서를 사용하는 환경에는 적용하기 어려웠습니다.

Wu, Fioranelli, Gao 등의 연구진은 이러한 문제를 해결하기 위해 RadMamba라는 혁신적인 모델을 개발했습니다. RadMamba는 Mamba 상태 공간 모델(SSM) 과 레이더 마이크로 도플러 신호를 결합하여, 트랜스포머 아키텍처의 장점을 활용하면서 계산 복잡도를 획기적으로 줄였습니다.

세 가지 서로 다른 데이터셋(DIAT, CI4R, UoG2020)을 사용한 실험 결과는 놀라웠습니다. DIAT 데이터셋에서는 기존 최고 성능 모델의 99.8% 정확도를, 파라미터 수는 1/400 수준으로 달성했습니다! CI4R 데이터셋에서는 기존 최고 성능 모델과 동일한 92.0% 정확도를, 파라미터 수는 1/10 수준으로 달성했습니다. UoG2020 데이터셋에서는 연속적인 동작 시퀀스 평가에서 기존 모델들보다 최소 3% 이상 높은 정확도를, 단 6.7k개의 파라미터만으로 달성하는 놀라운 성능을 보였습니다.

이는 RadMamba가 단순히 성능만 좋은 것이 아니라, 파라미터 효율성 측면에서도 압도적인 경쟁력을 갖추고 있음을 보여줍니다. 자원 제약이 심한 임베디드 시스템이나 에지 컴퓨팅 환경에서 특히 유용할 것으로 예상됩니다.

RadMamba의 코드는 GitHub(https://github.com/lab-emi/AIRHAR)에서 공개되어 있습니다. 이를 통해 더 많은 연구자들이 RadMamba를 활용하고, 레이더 기반 HAR 기술의 발전에 기여할 수 있을 것으로 기대됩니다. RadMamba의 등장은 레이더 기반 HAR 기술의 새로운 가능성을 열었다고 볼 수 있습니다. 앞으로 RadMamba를 기반으로 더욱 발전된 기술들이 개발되어 실생활에 적용될 수 있기를 기대해 봅니다. 🚀