論文の概要: UniCrossFi: A Unified Framework For Cross-Domain Wi-Fi-based Gesture Recognition
- arxiv url: http://arxiv.org/abs/2310.06328v5
- Date: Tue, 28 Oct 2025 13:10:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-29 20:04:43.690173
- Title: UniCrossFi: A Unified Framework For Cross-Domain Wi-Fi-based Gesture Recognition
- Title（参考訳）: UniCrossFi: クロスドメインWi-Fiによるジェスチャー認識のための統一フレームワーク
- Authors: Ke Xu, Zhiyong Zheng, Hongyuan Zhu, Lei Wang, Jiangtao Wang,
- Abstract要約: Wi-Fiセンシングシステムは、目に見えない現実世界の環境に配備された場合、クロスドメインの問題によって深刻な障害を受ける。
我々は,CSIに基づく多様なデプロイメント設定におけるパフォーマンス低下を緩和する統合フレームワークUniCrossFiを提案する。
- 参考スコア（独自算出の注目度）: 25.031527338434216
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wi-Fi sensing systems are severely hindered by cross domain problem when deployed in unseen real-world environments. Existing methods typically design separate frameworks for either domain adaptation or domain generalization, often relying on extensive labeled data. Existing methods that designed for domain generalization is often relying on extensive labeled data. However, real-world scenarios are far more complex, where the deployed model must be capable of handling generalization under limited labeled source data. To this end, we propose UniCrossFi, a unified framework designed to mitigate performance drop in CSI-based sensing across diverse deployment settings. Our framework not only extends conventional Domain Generalization (DG) to a more practical Semi-Supervised Domain Generalization (SSDG) setting, where only partially labeled source data are available, but also introduces a physics-informed data augmentation strategy, Antenna Response Consistency (ARC). ARC mitigates the risk of learning superficial shortcuts by exploiting the intrinsic spatial diversity of multi-antenna systems, treating signals from different antennas as naturally augmented views of the same event. In addition, we design a Unified Contrastive Objective to prevent conventional contrastive learning from pushing apart samples from different domains that share the same class. We conduct extensive experiments on the public Widar and CSIDA datasets. The results demonstrate that UniCrossFi consistently establishes a new state-of-the-art, significantly outperforming existing methods across all unsupervised domain adaptation, DG, and SSDG benchmarks. UniCrossFi provides a principled and practical solution to the domain shift challenge, advancing the feasibility of robust, real-world Wi-Fi sensing systems that can operate effectively with limited labeled data.
- Abstract（参考訳）: Wi-Fiセンシングシステムは、目に見えない現実世界の環境に配備された場合、クロスドメインの問題によって深刻な障害を受ける。
既存のメソッドは通常、ドメイン適応またはドメイン一般化のための別々のフレームワークを設計する。
ドメインの一般化のために設計された既存の方法は、しばしば広範なラベル付きデータに依存している。
しかし、実際のシナリオははるかに複雑であり、デプロイされたモデルはラベル付きソースデータの下で一般化を処理できなければならない。
この目的のために我々は,CSIに基づく各種デプロイメント設定におけるパフォーマンス低下を緩和する統合フレームワークUniCrossFiを提案する。
我々のフレームワークは、従来のドメイン一般化(DG)を、部分的にラベル付けされたソースデータしか利用できない、より実用的な半スーパービジョンドメイン一般化(SSDG)設定に拡張するだけでなく、物理インフォームドデータ拡張戦略であるアンテナ応答整合性(ARC)も導入している。
ARCは、マルチアンテナシステムの固有の空間的多様性を活用し、異なるアンテナからの信号を同じ事象の自然な拡張ビューとして扱うことにより、表面的ショートカットの学習のリスクを軽減する。
さらに、従来のコントラスト学習が同じクラスを共有する異なるドメインからサンプルを分離するのを防ぐために、統一コントラストオブジェクトを設計する。
我々は、公開WidarおよびCSIDAデータセットに関する広範な実験を行う。
結果は、UniCrossFiが、教師なしのドメイン適応、DG、SSDGベンチマークで既存のメソッドよりもはるかに優れた、新しい最先端技術を確立していることを示している。
UniCrossFiはドメインシフト問題に対する原則的かつ実用的な解決策を提供し、限られたラベル付きデータで効果的に操作できる堅牢で現実世界のWi-Fiセンシングシステムの実現性を向上させる。
関連論文リスト
- Retrieval-Augmented Speech Recognition Approach for Domain Challenges [24.337617843696286]
音声認識システムは、しばしばドメインミスマッチによる課題に直面している。
本稿では,大規模言語モデル (LLM) のためのRAG(Retrieval-Augmented Generation) 技術に着想を得て,LLMに基づく検索拡張音声認識手法を提案する。
論文 参考訳（メタデータ） (2025-02-21T07:47:50Z) - Cross-Domain Continual Learning for Edge Intelligence in Wireless ISAC Networks [24.55741355643116]
エッジインテリジェンス(EI)は、チャネル状態情報(CSI)に基づいてユーザアクティビティを検知するエッジデバイス(ED)で開発されることが期待される。
CSIはユーザの特性に非常に依存しているため、CSI-Activity関係はドメイン依存であることが知られている。
We propose the EdgeCL framework, which the EI can continue-then-discard each input dataset。
論文 参考訳（メタデータ） (2025-02-18T10:50:47Z) - Co-Learning: Towards Semi-Supervised Object Detection with Road-side Cameras [1.5495593104596401]
半教師付き学習(SSL)はラベル付きおよびラベルなしのデータを使用してオブジェクト検出器を訓練することができる。
SSLは、擬似ターゲットの不整合、分類と回帰タスクの不整合、豊富なラベルなしデータの効率的な使用など、いくつかの課題に直面している。
我々は,相互学習とアノテーションアライメント戦略を用いて,これらの複雑さを効果的にナビゲートする教師学生ベースのSSLフレームワークであるCo-Learningを開発した。
論文 参考訳（メタデータ） (2024-11-28T13:42:55Z) - Context-Aware Predictive Coding: A Representation Learning Framework for WiFi Sensing [0.0]
WiFiセンサーは、様々なセンサーアプリケーションに無線信号を利用する新興技術である。
本稿では,CAPC(Context-Aware Predictive Coding)と呼ばれる新しいSSLフレームワークを紹介する。
CAPCは問題のないデータから効果的に学習し、多様な環境に適応する。
評価の結果、CAPCは他のSSLメソッドや教師付きアプローチよりも優れているだけでなく、優れた一般化能力も達成できることがわかった。
論文 参考訳（メタデータ） (2024-09-16T17:59:49Z) - Efficient Privacy-Preserving KAN Inference Using Homomorphic Encryption [9.0993556073886]
ホモモルフィック暗号化(HE)は、ディープラーニングモデルのプライバシー保護推論を容易にする。
SiLUアクティベーション関数やB-スプライン関数などの非線形要素を組み込んだkanの複雑な構造は、既存のプライバシ保存推論技術が不十分である。
そこで我々は,kansに適した高精度かつ効率的なプライバシ保護型推論手法を提案する。
論文 参考訳（メタデータ） (2024-09-12T04:51:27Z) - Causality-inspired Discriminative Feature Learning in Triple Domains for Gait Recognition [36.55724380184354]
CLTDは、三重ドメイン、すなわち空間、時間、スペクトルにおける共同創設者の影響を排除するために設計された識別的特徴学習モジュールである。
具体的には、Cross Pixel-wise Attention Generator (CPAG)を用いて、空間的および時間的領域における実物的特徴と反物的特徴の注意分布を生成する。
次に、FPH(Fourier Projection Head)を導入し、空間的特徴をスペクトル空間に投影し、計算コストを低減しつつ重要な情報を保存する。
論文 参考訳（メタデータ） (2024-07-17T12:16:44Z) - A Dimensional Structure based Knowledge Distillation Method for
Cross-Modal Learning [15.544134849816528]
簡単な作業から抽出した特徴を解析・観察することで特徴識別性と次元構造(DS)の相関を見いだす。
クロスモーダル・ナレッジ・蒸留法 (CMKD) を提案し, 教師付きクロスモーダル・ラーニング (CML) の性能向上を図る。
提案手法は, チャネル的に独立して, 中間的な特徴を均一に分散させることで, その精度を高めるために, 難易度から意味的に無関係な特徴を学習する。
論文 参考訳（メタデータ） (2023-06-28T07:29:26Z) - Weakly-supervised HOI Detection via Prior-guided Bi-level Representation
Learning [66.00600682711995]
ヒューマンオブジェクトインタラクション(HOI)検出は、人間中心のシーン理解において重要な役割を担い、多くの視覚タスクの基本的なビルディングブロックとして機能する。
HOI検出のための汎用的でスケーラブルな戦略の1つは、画像レベルのアノテーションからのみ学習する弱い監視を使用することである。
これは、不明瞭な人間と物体の関連、HOIを検出する大きな探索空間、非常にノイズの多い訓練信号によって本質的に困難である。
画像レベルとHOIインスタンスレベルの両方で事前の知識を組み込むことができるCLIP誘導HOI表現を開発し、不正な人間とオブジェクトの関連性を実証するために自己学習機構を採用する。
論文 参考訳（メタデータ） (2023-03-02T14:41:31Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Unsupervised Spike Depth Estimation via Cross-modality Cross-domain Knowledge Transfer [53.413305467674434]
スパイク深度推定をサポートするためにオープンソースのRGBデータを導入し,そのアノテーションと空間情報を活用する。
教師なしスパイク深さ推定を実現するために,クロスモーダルクロスドメイン(BiCross)フレームワークを提案する。
提案手法は,RGB指向の教師なし深度推定法と比較して,最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2022-08-26T09:35:20Z) - Boosting Cross-Domain Speech Recognition with Self-Supervision [35.01508881708751]
自動音声認識(ASR)のクロスドメイン性能は,トレーニングとテストのミスマッチにより著しく損なわれる可能性がある。
従来, 自己監督学習 (SSL) や擬似ラベル学習 (PL) は, 未ラベルデータの自己監督を利用してUDAに有効であることが示された。
この研究は、事前学習および微調整のパラダイムにおいて、ラベルなしデータを完全に活用する体系的なUDAフレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-20T14:02:53Z) - On Exploring Pose Estimation as an Auxiliary Learning Task for
Visible-Infrared Person Re-identification [66.58450185833479]
本稿では,Pose Estimationを補助学習タスクとして活用して,エンドツーエンドフレームワークにおけるVI-ReIDタスクを支援する。
これら2つのタスクを相互に有利な方法で共同でトレーニングすることにより、高品質なモダリティ共有とID関連の特徴を学習する。
2つのベンチマークVI-ReIDデータセットの実験結果から,提案手法は一定のマージンで最先端の手法を継続的に改善することが示された。
論文 参考訳（メタデータ） (2022-01-11T09:44:00Z) - TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain
Gait Recognition [77.77786072373942]
本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。
我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。
提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-02-09T03:07:07Z) - ORDisCo: Effective and Efficient Usage of Incremental Unlabeled Data for
Semi-supervised Continual Learning [52.831894583501395]
連続学習は、入力されたデータが完全にラベル付けされていると仮定し、実際のアプリケーションでは適用できないかもしれない。
我々は、条件付き生成逆数ネットワーク(GAN)を用いた分類器を相互に学習するために、識別器整合(ORDisCo)を用いたディープオンライン再生を提案する。
ORDisCo が SSCL の様々な半教師付き学習ベンチマークデータセットで大幅なパフォーマンス向上を達成していることを示します。
論文 参考訳（メタデータ） (2021-01-02T09:04:14Z) - Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
データ管理の統合コンポーネントにおける公平性について検討する。
本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-10T20:20:10Z)
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。