論文の概要: Enabling Visual Recognition at Radio Frequency
- arxiv url: http://arxiv.org/abs/2405.19516v1
- Date: Wed, 29 May 2024 20:52:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-31 19:06:28.637003
- Title: Enabling Visual Recognition at Radio Frequency
- Title（参考訳）: 無線周波数での視覚認識の実現
- Authors: Haowen Lai, Gaoxiang Luo, Yifei Liu, Mingmin Zhao,
- Abstract要約: PanoRadarは、RF分解能をLiDARに近づける新しいRFイメージングシステムである。
結果は、初めて、無線周波数での様々な視覚的認識タスクを可能にします。
以上の結果から,パノラダルの12棟の建物における堅牢な性能が示された。
- 参考スコア（独自算出の注目度）: 13.399148413043411
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces PanoRadar, a novel RF imaging system that brings RF resolution close to that of LiDAR, while providing resilience against conditions challenging for optical signals. Our LiDAR-comparable 3D imaging results enable, for the first time, a variety of visual recognition tasks at radio frequency, including surface normal estimation, semantic segmentation, and object detection. PanoRadar utilizes a rotating single-chip mmWave radar, along with a combination of novel signal processing and machine learning algorithms, to create high-resolution 3D images of the surroundings. Our system accurately estimates robot motion, allowing for coherent imaging through a dense grid of synthetic antennas. It also exploits the high azimuth resolution to enhance elevation resolution using learning-based methods. Furthermore, PanoRadar tackles 3D learning via 2D convolutions and addresses challenges due to the unique characteristics of RF signals. Our results demonstrate PanoRadar's robust performance across 12 buildings.
- Abstract（参考訳）: 本稿では、光信号に挑戦する条件に対する耐性を提供しつつ、RF分解能をLiDARに近づける新しいRFイメージングシステムであるPanoRadarを紹介する。
当社のLiDAR対応3D画像は, 表面正規推定, セマンティックセグメンテーション, オブジェクト検出など, 無線周波数での様々な視覚認識タスクを初めて実現した。
PanoRadarは、回転するシングルチップmmWaveレーダーと、新しい信号処理と機械学習アルゴリズムを組み合わせて、周囲の高解像度な3D画像を生成する。
本システムはロボットの動きを正確に推定し,高密度の合成アンテナ網によるコヒーレントイメージングを可能にする。
また、高い方位分解能を利用して、学習に基づく手法で高分解能を向上させる。
さらに、PanoRadarは2D畳み込みによる3D学習に取り組み、RF信号のユニークな特性のために課題に対処する。
以上の結果から,パノラダルの12棟の建物における堅牢な性能が示された。
関連論文リスト
- RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
暗い照明や悪天候はカメラの性能を低下させる。
レーダーは騒音と位置のあいまいさに悩まされる。
本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
論文 参考訳（メタデータ） (2025-02-18T17:17:38Z) - Automotive Elevation Mapping with Interferometric Synthetic Aperture Radar [0.0]
合成開口レーダ(synthetic Aperture Radar, SAR)は、レーダーの方位分解能と感度を改善するための一連の技術である。
干渉SARは、SAR画像の位相測定のバリエーションから標高を抽出することができる。
車両に搭載された典型的な低分解能レーダアレイは,都市環境と農業環境の両方において,3次元空間における検出の正確な位置決めに利用できることを示す。
論文 参考訳（メタデータ） (2025-01-14T23:57:35Z) - SuperNeRF-GAN: A Universal 3D-Consistent Super-Resolution Framework for Efficient and Enhanced 3D-Aware Image Synthesis [59.73403876485574]
本稿では,3次元連続超解像のための汎用フレームワークであるSuperNeRF-GANを提案する。
SuperNeRF-GANの重要な特徴は、NeRFベースの3D認識画像合成手法とのシームレスな統合である。
実験により, 提案手法の効率性, 3次元整合性, 品質が示された。
論文 参考訳（メタデータ） (2025-01-12T10:31:33Z) - WRF-GS: Wireless Radiation Field Reconstruction with 3D Gaussian Splatting [8.644949917126755]
WRF-GSは3次元ガウススプラッティングを用いた無線放射場(WRF)再構成に基づくチャネルモデリングのための新しいフレームワークである。
少数の測定で、WRF-GSは与えられたシーンに対してミリ秒以内に新しい空間スペクトルを合成できる。
WRF-GSは、チャネル状態情報予測タスクにおいて、既存の手法を2.43dB以上のマージンで上回り、優れた性能を達成する。
論文 参考訳（メタデータ） (2024-12-06T07:56:14Z) - Redefining Automotive Radar Imaging: A Domain-Informed 1D Deep Learning Approach for High-Resolution and Efficient Performance [6.784861785632841]
本研究では,1次元(1次元)信号の超解像スペクトル推定問題として,レーダー画像の超解像を再定義する。
自動車レーダイメージングのための最適化されたディープラーニングネットワークは、優れたスケーラビリティ、パラメータ効率、高速推論速度を示す。
我々のSR-SPECNetは、高解像度のレーダレンジ方位画像を作成するための新しいベンチマークを設定している。
論文 参考訳（メタデータ） (2024-06-11T16:07:08Z) - G3R: Generating Rich and Fine-grained mmWave Radar Data from 2D Videos for Generalized Gesture Recognition [19.95047010486547]
我々は、リッチな2Dビデオを利用してリアルなレーダデータを生成するソフトウェアパイプラインを開発した。
ユーザジェスチャの多彩できめ細かな反射特性をシミュレートする課題に対処する。
我々は、公開データソースと自己収集現実レーダデータからの2Dビデオを用いて、G3Rを実装し、評価する。
論文 参考訳（メタデータ） (2024-04-23T11:22:59Z) - Multi-Space Neural Radiance Fields [74.46513422075438]
既存のニューラルレージアンス場(NeRF)法は反射物体の存在に悩まされている。
並列部分空間における特徴場の群を用いてシーンを表現するマルチスペースニューラルレイディアンス場(MS-NeRF)を提案する。
提案手法は,高品質シーンのレンダリングにおいて,既存の単一空間NeRF法よりも優れていた。
論文 参考訳（メタデータ） (2023-05-07T13:11:07Z) - 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) - Urban Radiance Fields [77.43604458481637]
本研究では,都市屋外環境における世界地図作成によく利用されるスキャニングプラットフォームによって収集されたデータから3次元再構成と新しいビュー合成を行う。
提案手法は、制御された環境下での小さなシーンのための現実的な新しい画像の合成を実証したニューラルラジアンス場を拡張している。
これら3つのエクステンションはそれぞれ、ストリートビューデータの実験において、大幅なパフォーマンス改善を提供する。
論文 参考訳（メタデータ） (2021-11-29T15:58:16Z) - Rethinking of Radar's Role: A Camera-Radar Dataset and Systematic
Annotator via Coordinate Alignment [38.24705460170415]
CRUWと呼ばれる新しいデータセットを体系的なアノテーションとパフォーマンス評価システムで提案する。
CRUWは、レーダーの無線周波数(RF)画像から3Dのオブジェクトを純粋に分類し、ローカライズすることを目指しています。
私たちの知る限り、CRUWは体系的なアノテーションと評価システムを備えた最初の公開大規模データセットです。
論文 参考訳（メタデータ） (2021-05-11T17:13:45Z) - MVSNeRF: Fast Generalizable Radiance Field Reconstruction from
Multi-View Stereo [52.329580781898116]
MVSNeRFは、ビュー合成のための神経放射場を効率的に再構築できる新しいニューラルレンダリング手法である。
高密度にキャプチャされた画像に対して,シーン毎の最適化を考慮に入れたニューラルネットワークの先行研究とは異なり,高速ネットワーク推論により,近傍の3つの入力ビューのみからラミアンスフィールドを再構成できる汎用ディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-03-29T13:15:23Z)
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。