論文の概要: Talk is Not Always Cheap: Promoting Wireless Sensing Models with Text Prompts
- arxiv url: http://arxiv.org/abs/2504.14621v2
- Date: Tue, 22 Apr 2025 14:48:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 11:47:09.814856
- Title: Talk is Not Always Cheap: Promoting Wireless Sensing Models with Text Prompts
- Title（参考訳）: テキストのプロンプトでワイヤレスセンシングモデルの推進
- Authors: Zhenkui Yang, Zeyi Huang, Ge Wang, Han Ding, Tony Xiao Han, Fei Wang,
- Abstract要約: 本稿では,3つの迅速な戦略記述,簡潔な説明,詳細なアクション記述を通じて意味的知識をシームレスに統合する,革新的なテキスト強調型無線センシングフレームワークWiTalkを提案する。
我々は、このフレームワークを、人行動認識のためのXRF55、WiFiTAL、WiFi時行動ローカライゼーションのためのXRFV2の3つの公開ベンチマークデータセットで厳格に検証した。
- 参考スコア（独自算出の注目度）: 14.801020598640191
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wireless signal-based human sensing technologies, such as WiFi, millimeter-wave (mmWave) radar, and Radio Frequency Identification (RFID), enable the detection and interpretation of human presence, posture, and activities, thereby providing critical support for applications in public security, healthcare, and smart environments. These technologies exhibit notable advantages due to their non-contact operation and environmental adaptability; however, existing systems often fail to leverage the textual information inherent in datasets. To address this, we propose an innovative text-enhanced wireless sensing framework, WiTalk, that seamlessly integrates semantic knowledge through three hierarchical prompt strategies-label-only, brief description, and detailed action description-without requiring architectural modifications or incurring additional data costs. We rigorously validate this framework across three public benchmark datasets: XRF55 for human action recognition (HAR), and WiFiTAL and XRFV2 for WiFi temporal action localization (TAL). Experimental results demonstrate significant performance improvements: on XRF55, accuracy for WiFi, RFID, and mmWave increases by 3.9%, 2.59%, and 0.46%, respectively; on WiFiTAL, the average performance of WiFiTAD improves by 4.98%; and on XRFV2, the mean average precision gains across various methods range from 4.02% to 13.68%. Our codes have been included in https://github.com/yangzhenkui/WiTalk.
- Abstract（参考訳）: WiFi、ミリ波(mmWave)レーダー、RFID(Radio Frequency Identification)などの無線信号ベースのヒューマンセンシング技術は、人間の存在、姿勢、活動の検出と解釈を可能にし、公共のセキュリティ、医療、スマート環境におけるアプリケーションに対する重要なサポートを提供する。
これらの技術は、非接触操作と環境適応性によって顕著な利点を示すが、既存のシステムはデータセット固有のテキスト情報を活用できないことが多い。
そこで本稿では,3つの階層的なプロンプト戦略,ラベルのみ,簡潔な説明,詳細なアクション記述による意味的知識のシームレスな統合を,アーキテクチャの変更や追加データコストの増大を伴わずに実現する,革新的なテキスト強調型無線センシングフレームワークWiTalkを提案する。
我々は、このフレームワークを、人行動認識のためのXRF55と、WiFi時行動ローカライゼーションのためのWiFiTALとXRFV2の3つの公開ベンチマークデータセットで厳格に検証した。
XRF55では、WiFi、RFID、mmWaveの精度はそれぞれ3.9%、2.59%、0.46%向上し、WiFiTALではWiFiTADの平均性能は4.98%向上し、XRFV2では、様々な手法の平均精度は4.02%から13.68%向上した。
私たちのコードはhttps://github.com/yangzhenkui/WiTalk.comに含まれています。
関連論文リスト
- Neuro-Symbolic Fusion of Wi-Fi Sensing Data for Passive Radar with Inter-Modal Knowledge Transfer [10.388561519507471]
本稿では,Wi-FiセンシングのためのニューロシンボリックアーキテクチャであるDeepProbHARを紹介する。
これは、Wi-Fi信号が脚や腕の動きなどの単純な動きと区別できるという最初の証拠を提供する。
DeepProbHARは、人間の活動認識における最先端技術に匹敵する結果を達成している。
論文 参考訳（メタデータ） (2024-07-01T08:43:27Z) - 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) - Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User
Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-29T00:39:50Z) - Zero-Effort Two-Factor Authentication Using Wi-Fi Radio Wave
Transmission and Machine Learning [0.0]
本稿では,ユーザ環境と機械学習(ML)のユニークな特徴を組み合わせた,ゼロ・エフォート2要素認証(2FA)手法を提案する。
Raspberry Piデバイスを用いたプロトタイプを開発し,提案手法の有効性と実用性を示す実験を行った。
提案システムは2FAとユーザ認証の分野に革命をもたらし、機密情報への安全でシームレスなアクセスの新たな時代を提供する。
論文 参考訳（メタデータ） (2023-03-04T21:04:10Z) - 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) - Hands-on Wireless Sensing with Wi-Fi: A Tutorial [7.8774878397748065]
このチュートリアルでは、Wi-Fiセンシングを例に挙げる。
データ収集、信号処理、特徴抽出、モデル設計の理論的原則とコード実装の両方を導入している。
論文 参考訳（メタデータ） (2022-06-20T01:53:35Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:49:11Z) - 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) - RF-Net: a Unified Meta-learning Framework for RF-enabled One-shot Human
Activity Recognition [9.135311655929366]
デバイスフリー(または非接触)センシングは、デバイスベース(またはウェアラブル)センシングよりも環境変化に敏感である。
RF-HARの既存のソリューションは、新しい環境に適応するための努力的なデータ収集プロセスを必要とする。
本稿では,1ショットのRF-HARに対するメタラーニングに基づくアプローチとしてRF-Netを提案する。
論文 参考訳（メタデータ） (2021-10-29T01:58:29Z) - 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。