Fugu-MT 論文翻訳(概要): RFGAN: RF-Based Human Synthesis

論文の概要: RFGAN: RF-Based Human Synthesis

arxiv url: http://arxiv.org/abs/2112.03727v1
Date: Tue, 7 Dec 2021 14:34:35 GMT
ステータス: 処理完了
システム内更新日: 2021-12-08 15:27:13.722150
Title: RFGAN: RF-Based Human Synthesis
Title（参考訳）: RFGAN:RFに基づくヒト合成
Authors: Cong Yu, Zhi Wu, Dongheng Zhang, Zhi Lu, Yang Hu, Yan Chen
Abstract要約: 本稿では,新しいクロスモーダルRFGANモデルを導入することにより,微細な光学的人間の画像を生成することを目的とする。我々の知る限りでは、RF信号に基づいて光学画像を生成するのはこれが初めてである。
参考スコア（独自算出の注目度）: 9.709890321556204
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper demonstrates human synthesis based on the Radio Frequency (RF) signals, which leverages the fact that RF signals can record human movements with the signal reflections off the human body. Different from existing RF sensing works that can only perceive humans roughly, this paper aims to generate fine-grained optical human images by introducing a novel cross-modal RFGAN model. Specifically, we first build a radio system equipped with horizontal and vertical antenna arrays to transceive RF signals. Since the reflected RF signals are processed as obscure signal projection heatmaps on the horizontal and vertical planes, we design a RF-Extractor with RNN in RFGAN for RF heatmap encoding and combining to obtain the human activity information. Then we inject the information extracted by the RF-Extractor and RNN as the condition into GAN using the proposed RF-based adaptive normalizations. Finally, we train the whole model in an end-to-end manner. To evaluate our proposed model, we create two cross-modal datasets (RF-Walk & RF-Activity) that contain thousands of optical human activity frames and corresponding RF signals. Experimental results show that the RFGAN can generate target human activity frames using RF signals. To the best of our knowledge, this is the first work to generate optical images based on RF signals.
Abstract（参考訳）: 本稿では、RF信号が人体からの信号反射で人体の動きを記録できるという事実を活用し、RF信号に基づく人体合成について述べる。本論文は,人間のみを大まかに知覚できる既存のRFセンシング技術と異なり,新しいクロスモーダルRFGANモデルを導入して,微細な光学人間の画像を生成することを目的としている。具体的には、RF信号を送受信する水平及び垂直アンテナアレイを備えた無線システムを構築する。 RF信号は水平および垂直の面上で不明瞭な信号射影熱マップとして処理されるため,RF熱マップ符号化のためのRFGANにおいてRF-Extractorを設計し,人的活動情報を得る。 RF-Extractor と RNN が抽出した情報を条件として,提案した RF-based Adaptive normalization を用いて GAN に注入する。最後に、モデル全体をエンドツーエンドでトレーニングします。提案モデルを評価するために,何千もの光活動フレームと対応するRF信号を含む2つのクロスモーダルデータセット(RF-Walk and RF-Activity)を作成する。実験の結果,RFGANはRF信号を用いて標的の人間の活動フレームを生成可能であることがわかった。我々の知る限りでは、RF信号に基づいて光学画像を生成するのはこれが初めてである。

関連論文リスト

RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
論文参考訳（メタデータ） (2024-09-13T13:53:41Z)
RF-Diffusion: Radio Signal Generation via Time-Frequency Diffusion [15.175370227353406]
RF信号の時間・周波数・複素値領域における情報入力を可能にするため,新しい時間周波数拡散理論を導入する。 RF拡散(RF-Diffusion)は、多種多様な高品質かつ時系列のRFデータを生成する汎用的なソリューションである。また、5Gネットワークにおいて、Wi-Fiセンシングシステムを強化し、チャネル推定を行う上で、RF拡散の汎用性を示す。
論文参考訳（メタデータ） (2024-04-14T04:56:05Z)
Prompt2NeRF-PIL: Fast NeRF Generation via Pretrained Implicit Latent [61.56387277538849]
本稿では,3次元シーンの直接条件付けと高速なNeRFパラメータ生成のための高速なNeRF生成について検討する。 Prompt2NeRF-PILは、単一の前方通過で様々な3Dオブジェクトを生成することができる。我々は,テキストからNeRFモデルDreamFusionと画像からNeRF手法Zero-1-to-3の3次元再構成速度を3倍から5倍に高速化することを示す。
論文参考訳（メタデータ） (2023-12-05T08:32:46Z)
DReg-NeRF: Deep Registration for Neural Radiance Fields [66.69049158826677]
我々は,人間の介入なしにオブジェクト中心のアノテートシーンにおけるNeRF登録問題を解くためにDReg-NeRFを提案する。提案手法は,SOTAポイントクラウド登録方式を大きなマージンで打ち負かす。
論文参考訳（メタデータ） (2023-08-18T08:37:49Z)
Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文参考訳（メタデータ） (2022-12-10T20:15:23Z)
Classification of multi-frequency RF signals by extreme learning, using magnetic tunnel junctions as neurons and synapses [46.000685134136525]
磁気トンネル接合は並列に複数の周波数でRF入力を処理可能であることを示す。極端学習と呼ばれるバックプロパゲーションフリーの手法を用いて、RF信号で符号化されたノイズの多い画像を分類する。これらの結果は、組み込みの高周波人工知能にとって重要なステップである。
論文参考訳（メタデータ） (2022-11-02T14:09:42Z)
Unsupervised Learning for Human Sensing Using Radio Signals [29.118868792782937]
本稿では,RF信号に対するRGBに基づく教師なし表現学習の実現可能性について検討する。画像やビデオから教師なし表現学習を行う主要な手法としてコントラスト学習が登場したが、RF信号を用いた人体検知に適用した場合、そのような手法は性能が劣っていることを示す。対照的に、予測的教師なし学習法は、複数の下流RFベースのセンシングタスクに使用できる高品質な表現を学習する。
論文参考訳（メタデータ） (2022-07-06T00:28:18Z)
RF Signal Classification with Synthetic Training Data and its Real-World Performance [0.0]
本稿では,実環境における実環境性能に対する合成訓練データにモデル化された異なるRF信号障害の影響について検討する。念入りに設計された合成トレーニングデータのみを使用することで、実世界の操作において最大95%の精度を達成できる。
論文参考訳（メタデータ） (2022-06-26T20:47:33Z)
RF Signal Transformation and Classification using Deep Neural Networks [11.200006239443416]
コンピュータビジョンや自然言語処理タスクのために設計されたディープニューラルネットワーク(DNN)は、RFデータセットに直接適用することはできない。本稿では,進化的変換手法を導入して,市販のDNNに適したデータ型に変換することを提案する。さらに,簡単な5層畳み込みニューラルネットワークアーキテクチャ (CONV-5) を提案する。
論文参考訳（メタデータ） (2022-04-06T05:01:59Z)
NeRF-SR: High-Quality Neural Radiance Fields using Super-Sampling [82.99453001445478]
主に低分解能(LR)入力を用いた高分解能(HR)新規ビュー合成のソリューションであるNeRF-SRを提案する。提案手法は,多層パーセプトロンを用いて各点密度と色を予測するニューラルレージアンス場(NeRF)上に構築されている。
論文参考訳（メタデータ） (2021-12-03T07:33:47Z)
iNeRF: Inverting Neural Radiance Fields for Pose Estimation [68.91325516370013]
Neural RadianceField(NeRF)を「反転」してメッシュフリーポーズ推定を行うフレームワークiNeRFを紹介します。 NeRFはビュー合成のタスクに極めて有効であることが示されている。
論文参考訳（メタデータ） (2020-12-10T18:36:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。