이 논문은 NeurIPS 2025에서 Learning from Time Series for Health 워크샵에서 받아졌습니다. 음성과 센서의 시계열 데이터는 주파수 영역과 시간 영역에서 정보를 인코딩하는데, 스펙트럼 파워와 웨이브폼 쉐플릿과 같은 데이터가 포함됩니다. 연구결과, 음성 기반 모델은 음성 영역을 넘어서 다양한 웨어러블 센서 데이터로부터의 시계열 작업에서 상위 성능을 달성할 수 있는 표현을 학습한다는 것을 보여줍니다. HuBERT와 wav2vec 2.0에서 추출된 특징을 훈련시킨 프로브는 모달리티-특정 데이터셋에서 직접 훈련된 자가지도 모델로부터 추출된 특징보다 뛰어난 성능을 보입니다.

<Apple 뉴스 본문 전체읽기>