NeurIPS 2025에서 Foundation Models for the Brain and Body Workshop에서 받아들여진 이 논문에서는 고화질의 구조화된 데이터를 사용한 손 제스처 분류가 컴퓨터 비전에서 잘 연구된 문제임을 언급한다. 비디오, 이미지 및 손 스켈레톤과 같은 고화질의 구조화된 데이터를 활용하면 연속적인 제스처 예측이 가능하다. 낮은 전력과 비용 효율적인 생체 신호인 표면 근전도(sEMG)를 활용하면 웨어러블 기기에서도 제스처 예측이 가능하다. 이 논문은 약한 모달리티 데이터로부터 표준화된 고화질 데이터와 일치하는 표현을 학습하여 표현 품질을 향상시키고 제로샷 학습을 가능하게 한다는 것을 입증한다. 이를 통해 EMG 신호에서 제스처를 보다 일반화할 수 있다는 것을 보여준다.

<Apple 뉴스 본문 전체읽기>