본 논문은 인체 활동 인식(HAR)에서 사용자 간 변동성 문제를 해결하기 위해, 해부학적 상관관계 지식을 통합한 Edge-Enhanced Graph-Based Adversarial Domain Generalization (EEG-ADG) 프레임워크를 제안한다. EEG-ADG는 상호 연결된 단위, 유사 단위, 측면 단위의 세 가지 생체역학적 관계를 모델링하는 그래프 신경망(GNN) 아키텍처를 사용하여 사용자 특유의 변동성을 해결하면서 도메인 불변 특징을 인코딩한다. 변분 에지 특징 추출기와 기울기 역전층(GRL)을 통해 보이지 않는 사용자에 대한 강건성을 보장한다. OPPORTUNITY와 DSADS 데이터셋에 대한 실험 결과, 최첨단 성능을 달성함을 보여준다. 본 연구는 생체역학적 원리와 그래프 기반 적대적 학습을 정보 융합 기법과 통합하여 연결한다.
