論文の概要: RadioMamba: Breaking the Accuracy-Efficiency Trade-off in Radio Map Construction via a Hybrid Mamba-UNet

• arxiv url: http://arxiv.org/abs/2508.09140v1
• Date: Mon, 28 Jul 2025 01:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-17 22:58:06.170853
• Title: RadioMamba: Breaking the Accuracy-Efficiency Trade-off in Radio Map Construction via a Hybrid Mamba-UNet
• Title（参考訳）: RadioMamba:ハイブリッドMamba-UNetによる無線地図構築における精度・効率トレードオフの打破
• Authors: Honggang Jia, Nan Cheng, Xiucheng Wang, Conghao Zhou, Ruijin Sun, Xuemin, Shen,
• Abstract要約: 無線マップ(RM)は6Gサービスやアプリケーションのためのリアルタイムかつ正確な空間チャネル情報を提供する。 RM工法における最近の深層学習手法は, 精度・効率のトレードオフがよく知られている。 我々は、RM構築のためのハイブリッドMamba-UNetアーキテクチャであるRadioMambaを紹介し、トレードオフに対処する。
• 参考スコア（独自算出の注目度）: 19.6129510463713
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radio map (RM) has recently attracted much attention since it can provide real-time and accurate spatial channel information for 6G services and applications. However, current deep learning-based methods for RM construction exhibit well known accuracy-efficiency trade-off. In this paper, we introduce RadioMamba, a hybrid Mamba-UNet architecture for RM construction to address the trade-off. Generally, accurate RM construction requires modeling long-range spatial dependencies, reflecting the global nature of wave propagation physics. RadioMamba utilizes a Mamba-Convolutional block where the Mamba branch captures these global dependencies with linear complexity, while a parallel convolutional branch extracts local features. This hybrid design generates feature representations that capture both global context and local detail. Experiments show that RadioMamba achieves higher accuracy than existing methods, including diffusion models, while operating nearly 20 times faster and using only 2.9\% of the model parameters. By improving both accuracy and efficiency, RadioMamba presents a viable approach for real-time intelligent optimization in next generation wireless systems.
• Abstract（参考訳）: 無線地図(RM)は6Gサービスやアプリケーションのためのリアルタイムかつ正確な空間チャネル情報を提供するため,近年注目されている。 しかし,最近の深層学習に基づくRM構築手法は,精度と効率のトレードオフがよく知られている。 本稿では,RM構築のためのハイブリッドMamba-UNetアーキテクチャであるRadioMambaを紹介する。 一般に、正確なRM構造は、波動伝播物理学のグローバルな性質を反映して、長距離空間依存をモデル化する必要がある。 RadioMambaはMamba-Convolutionalブロックを使用し、Mambaブランチはこれらのグローバルな依存関係を線形複雑性でキャプチャし、並列畳み込みブランチは局所的な特徴を抽出する。 このハイブリッドデザインは、グローバルコンテキストとローカルディテールの両方をキャプチャする特徴表現を生成する。 実験の結果、RadioMambaは拡散モデルを含む既存の手法よりも精度が高く、20倍近く高速に動作し、モデルのパラメータの2.9倍しか使用していないことがわかった。 精度と効率を両立させることで、RadioMambaは次世代無線システムにおけるリアルタイムインテリジェントな最適化に実行可能なアプローチを提案する。

関連論文リスト

• MambaOutRS: A Hybrid CNN-Fourier Architecture for Remote Sensing Image Classification [4.14360329494344]
  リモートセンシング画像分類のための新しいハイブリッド畳み込みアーキテクチャであるMambaOutRSを紹介する。 MambaOutRSは、局所的な特徴抽出のためにスタック化されたGated CNNブロック上に構築され、新しいFourier Filter Gate (FFG)モジュールが導入されている。
  論文  参考訳（メタデータ） (2025-06-24T12:20:11Z)
• MobileMamba: Lightweight Multi-Receptive Visual Mamba Network [51.33486891724516]
  従来の軽量モデルの研究は、主にCNNとTransformerベースの設計に重点を置いてきた。 効率と性能のバランスをとるMobileMambaフレームワークを提案する。 MobileMambaはTop-1で83.6%を達成し、既存の最先端の手法を上回っている。
  論文  参考訳（メタデータ） (2024-11-24T18:01:05Z)
• SIGMA: Selective Gated Mamba for Sequential Recommendation [56.85338055215429]
  最近の進歩であるMambaは、時系列予測において例外的なパフォーマンスを示した。 SIGMA(Selective Gated Mamba)と呼ばれる,シークエンシャルレコメンデーションのための新しいフレームワークを紹介する。 以上の結果から,SIGMAは5つの実世界のデータセットにおいて,現在のモデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-08-21T09:12:59Z)
• CDMamba: Incorporating Local Clues into Mamba for Remote Sensing Image Binary Change Detection [30.387208446303944]
  我々はCDMambaと呼ばれるモデルを提案し、これはバイナリCDタスクを扱うためのグローバル機能とローカル機能とを効果的に組み合わせている。 具体的には,Mambaのグローバルな特徴抽出と畳み込みによる局所的詳細化に活用するために,Scaled ResidualMambaブロックを提案する。
  論文  参考訳（メタデータ） (2024-06-06T16:04:30Z)
• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• MambaUIE&SR: Unraveling the Ocean's Secrets with Only 2.8 GFLOPs [1.7648680700685022]
  水中画像強調(UIE)技術は,光吸収・散乱による水中画像劣化問題に対処することを目的としている。 近年、畳み込みニューラルネットワーク(CNN)とトランスフォーマーベースの手法が広く研究されている。 MambaUIEは、グローバルおよびローカル情報を効率的に合成することができ、非常に少数のパラメータを高い精度で保持する。
  論文  参考訳（メタデータ） (2024-04-22T05:12:11Z)
• MiM-ISTD: Mamba-in-Mamba for Efficient Infrared Small Target Detection [72.46396769642787]
  ネスト構造であるMamba-in-Mamba(MiM-ISTD)を開発した。 MiM-ISTDはSOTA法より8倍高速で、2048×2048$のイメージでテストすると、GPUメモリ使用率を62.2$%削減する。
  論文  参考訳（メタデータ） (2024-03-04T15:57:29Z)

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。