본 논문은 웨어러블 센싱부터 생체 의학 모니터링까지 다양한 분야에서 중요한 다변량 시계열 분류를 위한 효율적인 솔루션을 제시합니다. 기존의 Transformer 및 CNN 기반 모델은 계산량이 많고, 주파수 다양성이 제한적이며, 많은 매개변수가 필요하다는 한계점을 가지고 있습니다. 이에 본 논문에서는 PRISM (Per-channel Resolution-Informed Symmetric Module)이라는 새로운 합성곱 기반 특징 추출기를 제안합니다. PRISM은 채널별로 독립적으로 여러 시간 척도에서 대칭 유한 임펄스 응답(FIR) 필터를 적용하여 다중 해상도, 채널별 설계를 통해 채널 간 합성곱 없이 고주파수 선택적 임베딩을 생성합니다. 이를 통해 모델 크기와 복잡성을 크게 줄입니다. 인간 활동, 수면 단계 및 생체 의학 벤치마크에서 PRISM은 경량 분류 헤드와 함께 사용하여 기존 CNN 및 Transformer 기준 모델과 동등하거나 우수한 성능을 보이며, 매개변수와 FLOPs는 약 10배 적게 사용합니다. PRISM은 고전적인 신호 처리 통찰력과 최신 심층 학습을 결합하여 정확하고 자원 효율적인 다변량 시계열 분류 솔루션을 제공합니다.
