論文の概要: Through-Wall Imaging based on WiFi Channel State Information
- arxiv url: http://arxiv.org/abs/2401.17417v1
- Date: Tue, 30 Jan 2024 20:17:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 16:26:29.162965
- Title: Through-Wall Imaging based on WiFi Channel State Information
- Title（参考訳）: wifiチャネル状態情報に基づく透過壁イメージング
- Authors: Julian Strohmayer, Rafael Sterzinger, Christian Stippel, Martin Kampel
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.3108652488669736
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work presents a seminal approach for synthesizing images from WiFi
Channel State Information (CSI) in through-wall scenarios. Leveraging the
strengths of WiFi, such as cost-effectiveness, illumination invariance, and
wall-penetrating capabilities, our approach enables visual monitoring of indoor
environments beyond room boundaries and without the need for cameras. More
generally, it improves the interpretability of WiFi CSI by unlocking the option
to perform image-based downstream tasks, e.g., visual activity recognition. In
order to achieve this crossmodal translation from WiFi CSI to images, we rely
on a multimodal Variational Autoencoder (VAE) adapted to our problem specifics.
We extensively evaluate our proposed methodology through an ablation study on
architecture configuration and a quantitative/qualitative assessment of
reconstructed images. Our results demonstrate the viability of our method and
highlight its potential for practical applications.
- Abstract（参考訳）: 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。
コスト効率,照明の不変性,壁面の透過性といったWiFiの強みを活用することで,室内環境を室内境界を超えて視覚的に監視することが可能になる。
より一般的には、WiFi CSIの解釈性を改善するために、画像ベースの下流タスク(例えば視覚活動認識)を実行するオプションをアンロックする。
WiFi CSIから画像へのクロスモーダルな変換を実現するため、我々は問題特定に適応したマルチモーダル変分オートエンコーダ(VAE)を頼りにしている。
提案手法は,アーキテクチャ構成のアブレーション研究と再構成画像の定量的・適格評価を通じて広範囲に評価した。
本手法の有効性を実証し,実用化の可能性を強調した。
関連論文リスト
- Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。
既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。
我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-07T14:32:36Z) - Diffusion-Based Hierarchical Image Steganography [60.69791384893602]
Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。
フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。
この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
論文 参考訳（メタデータ） (2024-05-19T11:29:52Z) - Chain-of-Spot: Interactive Reasoning Improves Large Vision-Language Models [81.71651422951074]
CoS(Chain-of-Spot)法は,注目領域に着目して特徴抽出を強化する手法である。
この技術により、LVLMは元の画像解像度を変更することなく、より詳細な視覚情報にアクセスすることができる。
実験の結果,LVLMの視覚的内容の理解と推論能力は著しく改善した。
論文 参考訳（メタデータ） (2024-03-19T17:59:52Z) - Fiducial Focus Augmentation for Facial Landmark Detection [4.433764381081446]
本稿では,モデルによる顔構造理解を高めるために,新しい画像強調手法を提案する。
我々は,Deep Canonical correlation Analysis (DCCA) に基づく損失を考慮した,シームズアーキテクチャに基づくトレーニング機構を採用している。
提案手法は,様々なベンチマークデータセットにおいて,最先端のアプローチよりも優れている。
論文 参考訳（メタデータ） (2024-02-23T01:34:00Z) - Foveation in the Era of Deep Learning [6.602118206533142]
本稿では,グラフ畳み込みネットワークを利用してフェーブ化された画像を処理する,エンドツーエンドで微分可能なアクティブ・ビジョン・アーキテクチャを提案する。
我々のモデルは、分類に関連する画像の領域に反復的に出席することを学ぶ。
我々のモデルは最先端のCNNと、同等のパラメータと与えられたピクセルや予算の視覚アーキテクチャより優れています。
論文 参考訳（メタデータ） (2023-12-03T16:48:09Z) - USegScene: Unsupervised Learning of Depth, Optical Flow and Ego-Motion
with Semantic Guidance and Coupled Networks [31.600708674008384]
UegSceneは、ステレオカメラ画像の奥行き、光学的流れ、エゴモーション推定を意味的に導くためのフレームワークである。
一般的なKITTIデータセットを用いて,提案手法が他の手法よりも大きなマージンで優れていることを示す。
論文 参考訳（メタデータ） (2022-07-15T13:25:47Z) - Cross-receptive Focused Inference Network for Lightweight Image
Super-Resolution [64.25751738088015]
トランスフォーマーに基づく手法は、単一画像超解像(SISR)タスクにおいて顕著な性能を示した。
動的に特徴を抽出するために文脈情報を組み込む必要がある変換器は無視される。
我々は,CNNとTransformerを混合したCTブロックのカスケードで構成される,軽量なクロスレセプティブ・フォーカスド・推論・ネットワーク(CFIN)を提案する。
論文 参考訳（メタデータ） (2022-07-06T16:32:29Z) - Toward an ImageNet Library of Functions for Global Optimization
Benchmarking [0.0]
本研究では,認識問題を画像認識問題に変換することを提案する。
教師付きマルチクラス画像認識問題として対処し、基本的ニューラルネットワークモデルを適用して解決する。
この明らかに成功した学習は、自動特徴抽出とBBO問題の局所構造推論への別のステップである。
論文 参考訳（メタデータ） (2022-06-27T21:05:00Z) - Activating More Pixels in Image Super-Resolution Transformer [53.87533738125943]
トランスフォーマーベースの手法は、画像超解像のような低レベルの視覚タスクにおいて顕著な性能を示している。
本稿では,新たなHAT(Hybrid Attention Transformer)を提案する。
提案手法は1dB以上で最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2022-05-09T17:36:58Z) - Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。
本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-03-04T12:45:18Z)
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。