본 논문은 센서 기반 인간 활동 인식(HAR)에서 다중 모달 데이터 혼합, 활동 이질성, 복잡한 모델 배포와 같은 문제들을 해결하는 것을 목표로 합니다. 이를 위해 공간-시간적 어텐션 모달 분해 정렬 융합 전략을 제안하여 센서 데이터의 혼합 분포 문제를 해결하고, 크로스-모달 공간-시간적 분리 표현을 통해 활동의 주요 차별적 특징을 포착하며, 기울기 변조를 결합하여 데이터 이질성을 완화합니다. 또한 웨어러블 배포 시뮬레이션 시스템을 구축하고 다수의 공개 데이터셋을 이용한 실험을 통해 모델의 효과를 입증합니다.
