論文の概要: WhoFi: Deep Person Re-Identification via Wi-Fi Channel Signal Encoding

• arxiv url: http://arxiv.org/abs/2507.12869v2
• Date: Mon, 04 Aug 2025 07:21:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 14:07:57.580995
• Title: WhoFi: Deep Person Re-Identification via Wi-Fi Channel Signal Encoding
• Title（参考訳）: WhoFi:Wi-Fiチャネル信号エンコーディングによるディープ・パーソナライゼーション
• Authors: Danilo Avola, Emad Emam, Dario Montagnini, Daniele Pannone, Amedeo Ranaldi,
• Abstract要約: 我々は、Wi-Fi信号を使って人物の再識別を行う新しいパイプラインであるWhoFiを紹介する。 生体計測機能はチャネル状態情報(CSI)から抽出され、トランスフォーマーベースのエンコーダを備えたモジュラーディープニューラルネットワーク(DNN)を介して処理される。 NTU-Fiデータセットを用いた実験により,本手法は最先端手法と比較して,競合的な結果が得られることが示された。
• 参考スコア（独自算出の注目度）: 4.778002054281942
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Person Re-Identification is a key and challenging task in video surveillance. While traditional methods rely on visual data, issues like poor lighting, occlusion, and suboptimal angles often hinder performance. To address these challenges, we introduce WhoFi, a novel pipeline that utilizes Wi-Fi signals for person re-identification. Biometric features are extracted from Channel State Information (CSI) and processed through a modular Deep Neural Network (DNN) featuring a Transformer-based encoder. The network is trained using an in-batch negative loss function to learn robust and generalizable biometric signatures. Experiments on the NTU-Fi dataset show that our approach achieves competitive results compared to state-of-the-art methods, confirming its effectiveness in identifying individuals via Wi-Fi signals.
• Abstract（参考訳）: 人物再同定は、ビデオ監視における重要かつ困難な課題である。 従来の手法は視覚データに頼っているが、照明の弱い点灯、オクルージョン、準最適角度といった問題は、しばしばパフォーマンスを妨げている。 これらの課題に対処するために,Wi-Fi信号を用いた人物の身元確認を行う新しいパイプラインであるWhoFiを紹介する。 生体計測機能はチャネル状態情報(CSI)から抽出され、トランスフォーマーベースのエンコーダを備えたモジュラーディープニューラルネットワーク(DNN)を介して処理される。 ネットワークはバッチ内の負の損失関数を用いてトレーニングされ、堅牢で一般化可能なバイオメトリックシグネチャを学習する。 NTU-Fiデータセットを用いた実験により,Wi-Fi信号を用いた個人識別の有効性が確認された。

関連論文リスト

• Transformer-Based Person Identification via Wi-Fi CSI Amplitude and Phase Perturbations [4.595408704451027]
  人間の識別のための視覚ベースのシステムに代わる、非侵襲的でプライバシー保護の代替手段として、Wi-Fiセンシングが勢いを増している。 従来の無線ベースのアプローチは、歩行のような運動パターンに依存しており、バイオメトリックな手がかりを抽出する。 本研究では,被験者が静止状態のままに記録されたチャネル状態情報から個人を識別するトランスフォーマーに基づく手法を提案する。
  論文  参考訳（メタデータ） (2025-07-17T07:26:07Z)
• Addressing Noise and Stochasticity in Fraud Detection for Service Networks [11.752120973078116]
  サービスネットワークにおける不正検出のための情報ボトルネック理論(SGNN-IB)に基づく新しいスペクトルグラフネットワークを開発した。 最初の制限のために、SGNN-IBはエンコードされた表現の重要な特徴を抽出するために情報ボトルネック理論を適用している。 第2の制限のために、SGNN-IBは信号の周波数特性を保存し、信号融合を実装するためのプロトタイプ学習を導入した。
  論文  参考訳（メタデータ） (2025-05-02T01:17:03Z)
• ViFi-ReID: A Two-Stream Vision-WiFi Multimodal Approach for Person Re-identification [3.3743041904085125]
  人物再識別(ReID)は、安全検査、人員計数などにおいて重要な役割を担っている。 現在のReIDアプローチのほとんどは、主に目的条件の影響を受けやすい画像から特徴を抽出する。 我々は、Wi-Fi信号のチャネル状態情報(CSI)を介して歩行者からの歩行情報をキャプチャすることで、広く利用可能なルータをセンサデバイスとして活用する。
  論文  参考訳（メタデータ） (2024-10-13T15:34:11Z)
• Time-Frequency Analysis of Variable-Length WiFi CSI Signals for Person Re-Identification [3.3743041904085125]
  人物再識別(ReID)は、セキュリティ検出や数え方において重要な役割を果たす。 本文では, 歩行者の特徴を識別するための基礎として, WiFi信号のマルチパス伝搬特性を活用する, WiFiチャネル状態情報(CSI)を用いた手法を紹介する。 本稿では、WiFi信号の周波数領域における時間領域の振幅と位相を解析し、可変長データを処理できる2ストリームネットワーク構造を提案する。
  論文  参考訳（メタデータ） (2024-07-12T07:10:47Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• 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)
• 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)
• Unsupervised Person Re-Identification with Wireless Positioning under Weak Scene Labeling [131.18390399368997]
  本稿では、弱いシーンラベリングの下で、視覚データと無線位置決めトラジェクトリの両方を用いて、教師なしの人物再識別を探索することを提案する。 具体的には、視覚データと無線情報の相補性をモデル化した、新しい教師なしマルチモーダルトレーニングフレームワーク(UMTF)を提案する。 我々のUMTFには、MMDA(Multimodal Data Association Strategy)とMMGN(Multimodal Graph Neural Network)が含まれている。
  論文  参考訳（メタデータ） (2021-10-29T08:25:44Z)
• 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)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。