論文の概要: mmWEAVER: Environment-Specific mmWave Signal Synthesis from a Photo and Activity Description

• arxiv url: http://arxiv.org/abs/2512.11894v1
• Date: Wed, 10 Dec 2025 03:32:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.004688
• Title: mmWEAVER: Environment-Specific mmWave Signal Synthesis from a Photo and Activity Description
• Title（参考訳）: mmWEAVER:写真からの環境特異的mm波信号合成と活動記述
• Authors: Mahathir Monjur, Shahriar Nirjon,
• Abstract要約: mmWeaverは、現実的で環境特有の複雑なmmWave信号を合成する新しいフレームワークである。 意味的および幾何学的事前条件を条件に、mmWeaverは様々なI/Q信号を複数の解像度で生成する。 実験により、mmWeaverは0.88の複雑なSSIMと35dBのPSNRを達成し、信号リアリズムの既存の手法より優れていることが示された。
• 参考スコア（独自算出の注目度）: 2.1178416840822027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Realistic signal generation and dataset augmentation are essential for advancing mmWave radar applications such as activity recognition and pose estimation, which rely heavily on diverse, and environment-specific signal datasets. However, mmWave signals are inherently complex, sparse, and high-dimensional, making physical simulation computationally expensive. This paper presents mmWeaver, a novel framework that synthesizes realistic, environment-specific complex mmWave signals by modeling them as continuous functions using Implicit Neural Representations (INRs), achieving up to 49-fold compression. mmWeaver incorporates hypernetworks that dynamically generate INR parameters based on environmental context (extracted from RGB-D images) and human motion features (derived from text-to-pose generation via MotionGPT), enabling efficient and adaptive signal synthesis. By conditioning on these semantic and geometric priors, mmWeaver generates diverse I/Q signals at multiple resolutions, preserving phase information critical for downstream tasks such as point cloud estimation and activity classification. Extensive experiments show that mmWeaver achieves a complex SSIM of 0.88 and a PSNR of 35 dB, outperforming existing methods in signal realism while improving activity recognition accuracy by up to 7% and reducing human pose estimation error by up to 15%, all while operating 6-35 times faster than simulation-based approaches.
• Abstract（参考訳）: リアルな信号生成とデータセットの増大は、多様な環境固有の信号データセットに大きく依存する、活動認識やポーズ推定といったmmWaveレーダの応用を進める上で不可欠である。 しかし、mmWave信号は本質的に複雑でスパースで高次元であり、物理シミュレーションは計算コストがかかる。 本稿では,Implicit Neural Representation (INR) を用いた連続関数としてモデル化し,最大49倍の圧縮を実現することにより,実環境に特有の複雑なmmWave信号を合成する新しいフレームワークmmWeaverを提案する。 mmWeaverは、環境コンテキスト(RGB-D画像から抽出した)と人の動き特徴(MotionGPTによるテキスト・ツー・プレイス生成から派生した)に基づいて、動的にINRパラメータを生成するハイパーネットを組み込んでおり、効率よく適応的な信号合成を可能にする。 これらの意味的および幾何学的事前条件を条件に、mmWeaverは様々なI/Q信号を複数の解像度で生成し、ポイントクラウド推定やアクティビティ分類といった下流タスクに不可欠な位相情報を保存する。 広汎な実験により、mmWeaverは0.88の複雑なSSIMと35dBのPSNRを達成し、信号リアリズムの既存の手法よりも優れ、活動認識精度を最大7%向上し、人間のポーズ推定誤差を最大15%低減し、シミュレーションベースのアプローチよりも6～35倍高速に動作した。

関連論文リスト

• One Snapshot is All You Need: A Generalized Method for mmWave Signal Generation [15.790309349652196]
  フルシーンmmWave信号生成に適したフレームワークであるmmGenを提案する。 物理信号伝達モデルを構築することにより、mGenは人間に反射された、環境に反射されたmWave信号を合成する。 商用のmmWaveデバイスとKinectセンサーを用いたプロトタイプシステムによる広範囲な実験を行った。
  論文  参考訳（メタデータ） (2025-03-27T03:24:10Z)
• An LSTM Feature Imitation Network for Hand Movement Recognition from sEMG Signals [2.632402517354116]
  我々は,Ninapro DB2上の300ms信号ウィンドウ上での閉形式時間特徴学習にFIN(Feature-imitating Network)を適用することを提案する。 LSTM-FINネットワークは,特徴再構成において最大99%のR2精度,手の動き認識において80%の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T21:45:15Z)
• ResFields: Residual Neural Fields for Spatiotemporal Signals [61.44420761752655]
  ResFieldsは、複雑な時間的信号を効果的に表現するために設計された新しいネットワークのクラスである。 本稿では,ResFieldの特性を包括的に解析し,トレーニング可能なパラメータの数を減らすための行列分解手法を提案する。 スパースRGBDカメラからダイナミックな3Dシーンをキャプチャする効果を示すことで,ResFieldsの実用性を実証する。
  論文  参考訳（メタデータ） (2023-09-06T16:59:36Z)
• Structural Vibration Signal Denoising Using Stacking Ensemble of Hybrid CNN-RNN [0.0]
  近年,生物工学の分野では振動信号の利用が増加している。 足音による振動は、人体や動物などの生体系の運動を分析するのに有用である。 本稿では,複数信号のアンサンブルと,再帰的および畳み込み型ニューラルネットワーク予測の両方を活用する新しいアンサンブルモデルを提案する。
  論文  参考訳（メタデータ） (2023-03-11T00:49:45Z)
• 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)
• Meta-Learning Sparse Implicit Neural Representations [69.15490627853629]
  入射神経表現は、一般的な信号を表す新しい道である。 現在のアプローチは、多数の信号やデータセットに対してスケールすることが難しい。 メタ学習型スパースニューラル表現は,高密度メタ学習モデルよりもはるかに少ない損失が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T18:02:53Z)
• Motion Classification using Kinematically Sifted ACGAN-Synthesized Radar Micro-Doppler Signatures [15.351282873821935]
  本稿では, 合成レーダマイクロドップラーシグネチャを生成するために, 対角学習への拡張アプローチを提案する。 合成データは,視覚的解釈,キネマティック一貫性の分析,データの多様性,潜伏空間の次元,塩分マップを用いて評価する。 19層ディープ畳み込みニューラルネットワーク(DCNN)は、敵ネットワークに供給されたデータセットとは異なる環境から取得したマイクロドップラーシグネチャを分類するために訓練される。
  論文  参考訳（メタデータ） (2020-01-19T16:50:10Z)

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。