論文の概要: A Novel Frame Identification and Synchronization Technique for Smartphone Visible Light Communication Systems Based on Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2506.23004v1
• Date: Sat, 28 Jun 2025 20:29:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.665736
• Title: A Novel Frame Identification and Synchronization Technique for Smartphone Visible Light Communication Systems Based on Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークに基づくスマートフォン可視光通信システムのための新しいフレーム識別と同期手法
• Authors: Vaigai Nayaki Yokar, Hoa Le-Minh, Xicong Li, Wai Lok Woo, Luis Nero Alves, Stanislav Zvanovec, Tran The Son, Zabih Ghassemlooy,
• Abstract要約: 本稿では,フレーム識別と同期のための新しい,堅牢かつ軽量な制御型畳み込みニューラルネットワーク(CNN)を提案する。 提案したCNNモデルは、Jupyter Notebookで実施された3つのリアルタイム実験によって訓練された。 実験では、スクラッチから作成したデータセットを組み込んで、モビリティシナリオにおけるぼやけた、トリミング、回転したイメージなど、S2C通信におけるさまざまなリアルタイム課題に対処した。
• 参考スコア（独自算出の注目度）: 3.8544293389005593
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a novel, robust, and lightweight supervised Convolutional Neural Network (CNN)-based technique for frame identification and synchronization, designed to enhance short-link communication performance in a screen-to-camera (S2C) based visible light communication (VLC) system. Developed using Python and the TensorFlow Keras framework, the proposed CNN model was trained through three real-time experimental investigations conducted in Jupyter Notebook. These experiments incorporated a dataset created from scratch to address various real-time challenges in S2C communication, including blurring, cropping, and rotated images in mobility scenarios. Overhead frames were introduced for synchronization, which leads to enhanced system performance. The experimental results demonstrate that the proposed model achieves an overall accuracy of approximately 98.74%, highlighting its effectiveness in identifying and synchronizing frames in S2C VLC systems.
• Abstract（参考訳）: 本稿では,スクリーン・トゥ・カメラ(S2C)を用いた可視光通信(VLC)システムにおいて,フレーム識別と同期のための新しい,堅牢で軽量な制御型畳み込みニューラルネットワーク(CNN)技術を提案する。 PythonとTensorFlow Kerasフレームワークを使用して開発されたCNNモデルは、Jupyter Notebookで実施された3つのリアルタイム実験的調査を通じてトレーニングされた。 これらの実験では、スクラッチから作成したデータセットを組み込んで、モビリティシナリオにおけるぼやけた、トリミング、回転したイメージなど、S2C通信におけるさまざまなリアルタイム課題に対処した。 オーバーヘッドフレームは同期のために導入され、システム性能が向上した。 実験結果から,S2C VLCシステムにおけるフレームの同定と同期の有効性を明らかにすることにより,提案モデルが全体の98.74%の精度を実現していることが示された。

関連論文リスト

• A study on audio synchronous steganography detection and distributed guide inference model based on sliding spectral features and intelligent inference drive [3.5516803380598074]
  本稿では,中国南洋艦隊がTikTok上で公開した短いビデオ"Yupan"のサンプルをもとに,検出および分散ガイダンス再構築モデルを提案する。 提案フレームワークは,同期型ステガノグラフィー検出におけるスライディングスペクトルの有効性を検証し,オープンプラットフォーム上での隠れ通信解析と戦術誘導シミュレーションのための推論モデルを構築した。
  論文  参考訳（メタデータ） (2025-05-06T05:24:11Z)
• Revelio: A Real-World Screen-Camera Communication System with Visually Imperceptible Data Embedding [1.9924262168387745]
  我々は,OKLAB色空間における時間的フレッカ融合を利用した実世界のスクリーンカメラ通信システムであるRevelioについて述べる。 Revelioは、ノイズ、非同期性、およびスクリーンカメラチャネルの歪みに対して頑健さを維持しながら、視覚的に知覚できないデータ埋め込みを実現する。
  論文  参考訳（メタデータ） (2025-01-04T18:05:08Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
  本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。 これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。 協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T09:17:15Z)
• A Unified Framework for Event-based Frame Interpolation with Ad-hoc Deblurring in the Wild [72.0226493284814]
  本稿では,デブロリングアドホックを行うイベントベースフレームの統一フレームワークを提案する。 我々のネットワークは、フレーム上の従来の最先端の手法、単一画像のデブロアリング、および両者のジョイントタスクを一貫して上回ります。
  論文  参考訳（メタデータ） (2023-01-12T18:19:00Z)
• Streaming Audio-Visual Speech Recognition with Alignment Regularization [69.30185151873707]
  本稿では,ハイブリッド接続型時間分類(CTC)/アテンションニューラルネットワークアーキテクチャに基づくストリーミングAV-ASRシステムを提案する。 提案したAV-ASRモデルは、オフラインおよびオンライン設定でLip Reading Sentences 3データセット上で、WERの2.0%と2.6%を達成する。
  論文  参考訳（メタデータ） (2022-11-03T20:20:47Z)
• Dual-view Snapshot Compressive Imaging via Optical Flow Aided Recurrent Neural Network [14.796204921975733]
  デュアルビュースナップショット圧縮イメージング(SCI)は、2つの視野(FoV)からのビデオを1つのスナップショットでキャプチャすることを目的としている。 既存のモデルベースの復号アルゴリズムでは個々のシーンを再構築することは困難である。 本稿では,2重ビデオSCIシステムのための光フロー支援型リカレント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） (2021-09-11T14:24:44Z)
• Event-based Asynchronous Sparse Convolutional Networks [54.094244806123235]
  イベントカメラはバイオインスパイアされたセンサーで、非同期でスパースな「イベント」の形で画素ごとの明るさ変化に反応する。 同期画像のようなイベント表現で訓練されたモデルを、同じ出力を持つ非同期モデルに変換するための一般的なフレームワークを提案する。 理論的および実験的に、これは高容量同期ニューラルネットワークの計算複雑性と遅延を大幅に減少させることを示す。
  論文  参考訳（メタデータ） (2020-03-20T08:39:49Z)

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。