論文の概要: LoFi: Vision-Aided Label Generator for Wi-Fi Localization and Tracking

• arxiv url: http://arxiv.org/abs/2412.05074v1
• Date: Fri, 06 Dec 2024 14:32:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:55:22.523257
• Title: LoFi: Vision-Aided Label Generator for Wi-Fi Localization and Tracking
• Title（参考訳）: LoFi:Wi-Fiのローカライゼーションとトラッキングのためのビジョン支援ラベルジェネレータ
• Authors: Zijian Zhao, Tingwei Chen, Fanyi Meng, Zhijie Cai, Hang Li, Xiaoyang Li, Guangxu Zhu,
• Abstract要約: 我々は、Wi-Fiのローカライゼーションとトラッキングのための視覚支援ラベル生成手法を提案する。 LoFiは2次元画像のみに基づいて地上の真理位置座標を生成することができる。 ESP32-S3とWebカメラを用いてWi-Fiトラッキングとローカライゼーションのデータセットも収集する。
• 参考スコア（独自算出の注目度）: 14.258434519487967
• License:
• Abstract: Wi-Fi localization and tracking has shown immense potential due to its privacy-friendliness, wide coverage, permeability, independence from lighting conditions, and low cost. Current methods can be broadly categorized as model-based and data-driven approaches, where data-driven methods show better performance and have less requirement for specialized devices, but struggle with limited datasets for training. Due to limitations in current data collection methods, most datasets only provide coarse-grained ground truth (GT) or limited amount of label points, which greatly hinders the development of data-driven methods. Even though lidar can provide accurate GT, their high cost makes them inaccessible to many users. To address these challenges, we propose LoFi, a vision-aided label generator for Wi-Fi localization and tracking, which can generate ground truth position coordinates solely based on 2D images. The easy and quick data collection method also helps data-driven based methods deploy in practice, since Wi-Fi is a low-generalization modality and when using relevant methods, it always requires fine-tuning the model using newly collected data. Based on our method, we also collect a Wi-Fi tracking and localization dataset using ESP32-S3 and a webcam. To facilitate future research, we will make our code and dataset publicly available upon publication.
• Abstract（参考訳）: Wi-Fiのローカライゼーションとトラッキングは、プライバシーのフレンドリーさ、広範なカバレッジ、透過性、照明条件からの独立性、低コストなど、大きな可能性を秘めている。 現在のメソッドは、モデルベースとデータ駆動のアプローチに大きく分類することができます。 現在のデータ収集手法の制限のため、ほとんどのデータセットは粗い土台真実(GT)または限られた量のラベルポイントしか提供せず、データ駆動手法の開発を著しく妨げている。 ライダーは正確なGTを提供することができるが、そのコストが高いため多くのユーザーにはアクセスできない。 これらの課題に対処するために,Wi-Fiのローカライゼーションとトラッキングのための視覚支援ラベル生成装置であるLoFiを提案する。 Wi-Fiは低一般化モードであり、関連する方法を使用する場合には、常に新たに収集したデータを使ってモデルを微調整する必要がある。 ESP32-S3とWebカメラを用いてWi-Fiトラッキングとローカライゼーションのデータセットも収集する。 今後の研究を容易にするため、コードとデータセットを公開時に公開します。

関連論文リスト

• MCTrack: A Unified 3D Multi-Object Tracking Framework for Autonomous Driving [10.399817864597347]
  本稿では,KITTI, nuScenes, データセット間でのSOTA(State-of-the-art)性能を実現する3Dマルチオブジェクトトラッキング手法であるMCTrackを紹介する。
  論文  参考訳（メタデータ） (2024-09-23T11:26:01Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• 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)
• CXTrack: Improving 3D Point Cloud Tracking with Contextual Information [59.55870742072618]
  3Dオブジェクトトラッキングは、自律運転など、多くのアプリケーションにおいて重要な役割を果たす。 CXTrackは3次元オブジェクト追跡のためのトランスフォーマーベースのネットワークである。 CXTrackは29FPSで動作しながら最先端のトラッキング性能を実現する。
  論文  参考訳（メタデータ） (2022-11-12T11:29:01Z)
• An Indoor Localization Dataset and Data Collection Framework with High Precision Position Annotation [7.152408514130423]
  この技術は、無線信号パラメータデータサンプルのアノテートに使用される拡張現実(AR)ベースの位置決めシステムを実装している。 我々は、ARマーカーで装飾された領域において、実用的で低コストで操作可能なカメラとBluetooth Low Energy(BLE)ビーコンの位置を追跡する。 以上の結果から,AR位置決めシステムの位置誤差を0.05m以下に抑えることができることがわかった。
  論文  参考訳（メタデータ） (2022-09-06T07:41:11Z)
• 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)
• Domain Adversarial Graph Convolutional Network Based on RSSI and Crowdsensing for Indoor Localization [8.406788215294483]
  少数のラベル付きサイトサーベイデータと大量のラベル付きクラウドセンシングWiFi指紋を用いてトレーニングできる新しいWiDAGCNモデルを提案する。 本システムは、複数の建物を含む公共の屋内ローカライゼーションデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2022-04-06T08:06:27Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)

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。