Fugu-MT 論文翻訳(概要): mm-Wave Radar Hand Shape Classification Using Deformable Transformers

論文の概要: mm-Wave Radar Hand Shape Classification Using Deformable Transformers

arxiv url: http://arxiv.org/abs/2210.13079v1
Date: Mon, 24 Oct 2022 09:56:11 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 14:05:28.025912
Title: mm-Wave Radar Hand Shape Classification Using Deformable Transformers
Title（参考訳）: 変形型トランスを用いたmm波レーダハンド形状分類
Authors: Athmanarayanan Lakshmi Narayanan, Asma Beevi K. T, Haoyang Wu, Jingyi Ma, W. Margaret Huang
Abstract要約: リアルタイム・ミリ波レーダを用いた静的手形分類アルゴリズムと実装を提案する。この手法は60Ghzレーダをセンサ入力として使用し、低コストかつプライバシーに敏感なタッチレス制御技術にいくつかの応用を見出した。
参考スコア（独自算出の注目度）: 0.46007387171990594
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: A novel, real-time, mm-Wave radar-based static hand shape classification algorithm and implementation are proposed. The method finds several applications in low cost and privacy sensitive touchless control technology using 60 Ghz radar as the sensor input. As opposed to prior Range-Doppler image based 2D classification solutions, our method converts raw radar data to 3D sparse cartesian point clouds.The demonstrated 3D radar neural network model using deformable transformers significantly surpasses the performance results set by prior methods which either utilize custom signal processing or apply generic convolutional techniques on Range-Doppler FFT images. Experiments are performed on an internally collected dataset using an off-the-shelf radar sensor.
Abstract（参考訳）: リアルタイム・ミリ波レーダを用いた静的手形分類アルゴリズムと実装を提案する。この手法は60Ghzレーダをセンサ入力として使用した低コストかつプライバシーに敏感なタッチレス制御技術におけるいくつかの応用を見出した。従来のレンジ・ドップラー画像に基づく2次元分類法とは対照的に、変形可能なトランスフォーマーを用いた3次元レーダニューラルネットワークモデルは、独自の信号処理や、レンジ・ドップラーFFT画像に一般的な畳み込み技術を適用した先行手法によって設定された性能を著しく上回っている。市販のレーダーセンサーを用いて内部に収集したデータセットで実験を行う。

関連論文リスト

Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文参考訳（メタデータ） (2024-05-07T20:44:48Z)
Diffusion-Based Point Cloud Super-Resolution for mmWave Radar Data [8.552647576661174]
ミリ波レーダセンサは、環境条件下では安定した性能を維持している。レーダー点雲は比較的希薄で、巨大なゴーストポイントを含んでいる。本稿では3次元ミリ波レーダデータに対する新しい点雲超解像法,Radar-diffusionを提案する。
論文参考訳（メタデータ） (2024-04-09T04:41:05Z)
DART: Implicit Doppler Tomography for Radar Novel View Synthesis [9.26298115522881]
DARTは、レーダ固有の物理を用いて、レンジドップラー画像のための反射率および透過率に基づくレンダリングパイプラインを作成する、ニューラルラジアンスフィールドにインスパイアされた方法である。最先端のベースラインと比較して、DARTはすべてのデータセットにまたがる新しいビューから優れたレーダレンジ・ドップラー画像を合成する。
論文参考訳（メタデータ） (2024-03-06T17:54:50Z)
Differentiable Radio Frequency Ray Tracing for Millimeter-Wave Sensing [29.352303349003165]
我々はmmWaveベースの3D再構成のための微分可能なフレームワークDiffSBRを提案する。 DiffSBRは、仮想3Dモデルからレーダーポイント雲をシミュレートするために、微分可能なレイトレーシングエンジンを組み込んでいる。各種レーダーハードウェアを用いた実験は、ディフSBRの微細な3D再構成能力を検証する。
論文参考訳（メタデータ） (2023-11-22T06:13:39Z)
Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文参考訳（メタデータ） (2023-07-31T09:53:50Z)
UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文参考訳（メタデータ） (2023-07-03T04:10:55Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
T-FFTRadNet: Object Detection with Swin Vision Transformers from Raw ADC Radar Signals [0.0]
周波数変調連続波レーダを用いた物体検出は、自律システムの分野でますます人気が高まっている。レーダーは、LiDARのような他の放射型センサーで見られるような欠点を持っておらず、主に雨や雪などの気象条件による帰還信号の劣化や損失がある。本稿では,レーダ物体検出の分野に階層型スウィンビジョントランスフォーマーを導入し,前処理で異なる入力に対して,異なるレーダ構成で操作可能であることを示す。
論文参考訳（メタデータ） (2023-03-29T18:04:19Z)
Radar-based Materials Classification Using Deep Wavelet Scattering Transform: A Comparison of Centimeter vs. Millimeter Wave Units [0.0]
本研究では、Vayyar ImagingによるWalabot-3D (6.3-8 GHz)cm波と ImageVK-74 (62-69 GHz)mm波イメージングの2つの周波数範囲のレーダーユニットについて検討する。
論文参考訳（メタデータ） (2022-02-08T02:07:14Z)
Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文参考訳（メタデータ） (2020-09-30T19:01:33Z)
RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。 RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文参考訳（メタデータ） (2020-07-28T17:15:02Z)

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。