視覚情報と物理情報のギャップを橋渡しする：落下リスク分析のための物理的に整合した表現

概要: 視覚ベースの転倒解析は急速に進展していますが、依然として重要なボトルネックが残っています。視覚的に類似した運動は、接触力学と保護反応の小さな差を外観だけから推測するのが難しいため、非常に異なる物理的結果に対応することがあります。ほとんどの既存のアプローチは、信頼できる外傷ラベルに依存する教師ありの傷害予測によってこれを扱います。実際には、そのようなラベルを得ることは困難です。ビデオ証拠はしばしば曖昧です（遮蔽、視点制限）、真の外傷イベントは稀であり、安全に再現することはできず、ノイズの多い教師信号につながります。私たちはこの問題に対処するため、臨床アウトカムラベルを必要とせずに物理的に意味のある転倒表現を学習するPHARL（PHysics-aware Alignment Representation Learning）を提案します。PHARLは、運動埋め込みを次の2つの補完的な制約で正則化します：(1) 軌道レベルの時系列的一貫性による安定した表現学習、(2) マルチクラス物理整列、ここでシミュレーション由来の接触アウトカムが埋め込みの幾何を形成します。動画ウィンドウを時系列に整列したシミュレーション記述子と対になるように組み合わせることで、PHARLは局所的な衝撃関連のダイナミクスを捉えつつ、推論を純粋なフィードフォワードのままにします。4つの公開データセットでの実験は、PHARLが視覚のみのベースラインよりもリスク整合性のある表現品質を一貫して向上させつつ、強力な転倒検出性能を維持することを示しています。特筆すべきは、PHARLがゼロショットの序数性を示すことです。明示的な序数監督なしに、解釈可能な重症度構造（Head > Trunk > Supported）が現れます。