論文の概要: Wideband RF Radiance Field Modeling Using Frequency-embedded 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2505.20714v1
• Date: Tue, 27 May 2025 04:48:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.409018
• Title: Wideband RF Radiance Field Modeling Using Frequency-embedded 3D Gaussian Splatting
• Title（参考訳）: 高周波埋め込み3次元ガウス平板を用いた広帯域RF放射場モデリング
• Authors: Zechen Li, Lanqing Yang, Yiheng Bian, Hao Pan, Yongjian Fu, Yezhou Wang, Yi-Chao Chen, Guangtao Xue, Ju Ren,
• Abstract要約: 広帯域無線周波数(RF)放射場モデリングのための3次元ガウススプラッティング(3DGS)アルゴリズムを提案する。 6室内環境における1GHzから100GHzまでの50000サンプルを含む大規模電力角スペクトル(PAS)データセットを提案する。 提案手法は, 平均構造類似度指標(SSIM)を最大0.72で達成し, 現在のSOTA法と比較して17.8%の大幅な改善を実現している。
• 参考スコア（独自算出の注目度）: 28.147938573798367
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents an innovative frequency-embedded 3D Gaussian splatting (3DGS) algorithm for wideband radio-frequency (RF) radiance field modeling, offering an advancement over the existing works limited to single-frequency modeling. Grounded in fundamental physics, we uncover the complex relationship between EM wave propagation behaviors and RF frequencies. Inspired by this, we design an EM feature network with attenuation and radiance modules to learn the complex relationships between RF frequencies and the key properties of each 3D Gaussian, specifically the attenuation factor and RF signal intensity. By training the frequency-embedded 3DGS model, we can efficiently reconstruct RF radiance fields at arbitrary unknown frequencies within a given 3D environment. Finally, we propose a large-scale power angular spectrum (PAS) dataset containing 50000 samples ranging from 1 to 100 GHz in 6 indoor environments, and conduct extensive experiments to verify the effectiveness of our method. Our approach achieves an average Structural Similarity Index Measure (SSIM) up to 0.72, and a significant improvement up to 17.8% compared to the current state-of-the-art (SOTA) methods trained on individual test frequencies. Additionally, our method achieves an SSIM of 0.70 without prior training on these frequencies, which represents only a 2.8% performance drop compared to models trained with full PAS data. This demonstrates our model's capability to estimate PAS at unknown frequencies. For related code and datasets, please refer to https://github.com/sim-2-real/Wideband3DGS.
• Abstract（参考訳）: 本稿では,広帯域無線周波数(RF)放射場モデリングのための3次元ガウススプラッティング(3DGS)アルゴリズムを提案する。 基礎物理学を基礎として,EM波伝搬挙動とRF周波数との複雑な関係を明らかにする。 そこで我々は,RF周波数と各3次元ガウスの鍵特性,特に減衰係数とRF信号強度の複雑な関係を学習するために,減衰モジュールと放射モジュールを備えたEM特徴ネットワークを設計した。 周波数埋め込み型3DGSモデルの訓練により、所定の3D環境において、任意の未知周波数でのRF放射場を効率的に再構成することができる。 最後に,室内6室内環境における1GHzから100GHzまでの50000サンプルを含む大規模電力角スペクトル(PAS)データセットを提案し,本手法の有効性を検証するために広範囲な実験を行った。 提案手法は, 平均構造類似度指標(SSIM)を最大0.72で達成し, 個々の試験周波数で訓練された最新技術(SOTA)法と比較して, 最大17.8%向上した。 さらに,本手法では,これらの周波数の事前トレーニングを伴わずに0.70のSSIMを実現し,完全なPASデータを用いたモデルと比較すると2.8%の性能低下しか示さない。 これにより、未知の周波数でPASを推定できるモデルの能力を示す。 関連するコードやデータセットについては、https://github.com/sim-2-real/Wideband3DGSを参照してください。

関連論文リスト

• Neural Representation for Wireless Radiation Field Reconstruction: A 3D Gaussian Splatting Approach [8.644949917126755]
  本稿では,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WRF-GSを提案する。 本稿では、電磁波物理をニューラルネットワーク設計に統合する拡張フレームワークであるWRF-GS+を提案する。
  論文  参考訳（メタデータ） (2024-12-06T07:56:14Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• WaveNeRF: Wavelet-based Generalizable Neural Radiance Fields [149.2296890464997]
  我々は、ウェーブレット周波数分解をMVSとNeRFに統合したWaveNeRFを設計する。 WaveNeRFは、3つの画像のみを入力として与えたときに、より優れた一般化可能な放射場モデリングを実現する。
  論文  参考訳（メタデータ） (2023-08-09T09:24:56Z)
• Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
  室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。 本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
  論文  参考訳（メタデータ） (2022-12-10T20:15:23Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Spectro-Temporal RF Identification using Deep Learning [3.8137985834223507]
  WRISTは、分光時間検出、フレームワーク、システムを備えた広帯域リアルタイムRF識別システムである。 得られたディープラーニングモデルは、時間と周波数のRF放射を検出し、分類し、正確に検出することができる。 WRIST検出器は、野生の非常に密集した環境でも平均的な平均精度が90に達する。
  論文  参考訳（メタデータ） (2021-07-11T19:02:07Z)

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。