論文の概要: Vision Reimagined: AI-Powered Breakthroughs in WiFi Indoor Imaging
- arxiv url: http://arxiv.org/abs/2401.04317v1
- Date: Tue, 9 Jan 2024 02:20:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-10 17:16:12.001580
- Title: Vision Reimagined: AI-Powered Breakthroughs in WiFi Indoor Imaging
- Title（参考訳）: AIを使ったWiFi屋内イメージングのブレークスルー
- Authors: Jianyang Shi, Bowen Zhang, Amartansh Dubey, Ross Murch and Liwen Jing
- Abstract要約: 全方位信号としてのWiFiは、受動的撮像を行い、最新の情報をすべての接続デバイスに同期させる有望な候補である。
これは、WiFi屋内イメージングを、計測されたWiFi電力を高解像度の屋内画像に変換するマルチモーダル画像生成タスクとして考える最初の研究である。
提案するWiFi-GENネットワークは,物理モデルに基づく手法で実現した形状復元精度の275%を達成している。
- 参考スコア（独自算出の注目度）: 4.236383297604285
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Indoor imaging is a critical task for robotics and internet-of-things. WiFi
as an omnipresent signal is a promising candidate for carrying out passive
imaging and synchronizing the up-to-date information to all connected devices.
This is the first research work to consider WiFi indoor imaging as a
multi-modal image generation task that converts the measured WiFi power into a
high-resolution indoor image. Our proposed WiFi-GEN network achieves a shape
reconstruction accuracy that is 275% of that achieved by physical model-based
inversion methods. Additionally, the Frechet Inception Distance score has been
significantly reduced by 82%. To examine the effectiveness of models for this
task, the first large-scale dataset is released containing 80,000 pairs of WiFi
signal and imaging target. Our model absorbs challenges for the model-based
methods including the non-linearity, ill-posedness and non-certainty into
massive parameters of our generative AI network. The network is also designed
to best fit measured WiFi signals and the desired imaging output. For
reproducibility, we will release the data and code upon acceptance.
- Abstract（参考訳）: 室内イメージングはロボティクスやモノのインターネットにとって重要なタスクだ。
全方位信号としてのWiFiは、受動的撮像を行い、最新の情報をすべての接続デバイスに同期させる有望な候補である。
これは、WiFi屋内イメージングを、計測されたWiFi電力を高解像度の屋内画像に変換するマルチモーダル画像生成タスクとして考える最初の研究である。
提案するWiFi-GENネットワークは,物理モデルに基づく逆転法により実現された形状復元精度の275%を実現する。
さらに、Frechet Inception Distanceスコアは82%に大幅に低下した。
このタスクのモデルの有効性を検討するため、最初の大規模データセットは、80,000対のWiFi信号と撮像ターゲットを含む。
我々のモデルは、非線形性、不確かさ、不確かさを含むモデルベースの手法の課題を、生成AIネットワークの膨大なパラメータに吸収する。
このネットワークは、計測されたWiFi信号と所望の撮像出力に最も適するよう設計されている。
再現性のため、受理時にデータとコードを公開します。
関連論文リスト
- DemosaicFormer: Coarse-to-Fine Demosaicing Network for HybridEVS Camera [70.28702677370879]
Hybrid Event-Based Vision Sensor (HybridEVS)は、従来のフレームベースとイベントベースのセンサーを統合する新しいセンサーである。
その可能性にもかかわらず、ハイブリッドEVS用に特別に設計された画像信号処理(ISP)パイプラインの欠如は大きな課題である。
粗大な復調と画素補正を含む,粗大で微細なフレームワークであるDemosaicFormerを提案する。
論文 参考訳（メタデータ） (2024-06-12T07:20:46Z) - MaskFi: Unsupervised Learning of WiFi and Vision Representations for
Multimodal Human Activity Recognition [32.89577715124546]
我々は、未ラベルのビデオとWiFiのアクティビティデータのみをモデルトレーニングに活用する、新しい教師なしマルチモーダルHARソリューションMaskFiを提案する。
教師なしの学習手順から恩恵を受けるため、ネットワークは微調整のために少量の注釈付きデータしか必要とせず、より良いパフォーマンスで新しい環境に適応できる。
論文 参考訳（メタデータ） (2024-02-29T15:27:55Z) - Reviewing FID and SID Metrics on Generative Adversarial Networks [0.0]
GAN(Generative Adversarial Network)モデルの成長により,画像処理能力が向上した。
これまでの研究では、Fr'echet Inception Distance(FID)が実世界のアプリケーションで画像から画像へのGANをテストする上で有効な指標であることが示されている。
本稿では、Pix2PixとCycleGANモデル内のファサード、都市景観、マップからなる公開データセットを使用する。
トレーニング後、これらのモデルは、トレーニングされたモデルの生成性能を測定する、両方の距離メトリクスに基づいて評価される。
論文 参考訳（メタデータ） (2024-02-06T03:02:39Z) - Through-Wall Imaging based on WiFi Channel State Information [1.3108652488669736]
本研究は,WiFiチャネル状態情報(CSI)からの画像をスルーウォールシナリオで合成する手法を提案する。
本手法により,室内環境の視覚的モニタリングを室内境界を超えて行うことができ,カメラを必要としない。
論文 参考訳（メタデータ） (2024-01-30T20:17:51Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - EfficientFi: Towards Large-Scale Lightweight WiFi Sensing via CSI
Compression [28.383494189730268]
EfficientFiは、IoTクラウドに対応した最初のWiFiセンシングフレームワークである。
CSIデータを1.368Mb/sから0.768Kb/sに圧縮する。
人間の行動認識の精度は98%を超えている。
論文 参考訳（メタデータ） (2022-04-08T15:48:41Z) - Vision Meets Wireless Positioning: Effective Person Re-identification
with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。
携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。
本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文 参考訳（メタデータ） (2020-08-10T14:19:15Z)
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。