論文の概要: Beyond Physical Labels: Redefining Domains for Robust WiFi-based Gesture Recognition

• arxiv url: http://arxiv.org/abs/2601.03825v1
• Date: Wed, 07 Jan 2026 11:40:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.483274
• Title: Beyond Physical Labels: Redefining Domains for Robust WiFi-based Gesture Recognition
• Title（参考訳）: 物理ラベルを超えて:ロバストWiFiベースのジェスチャー認識のためのドメインの再定義
• Authors: Xiang Zhang, Huan Yan, Jinyang Huang, Bin Liu, Yuanhao Feng, Jianchun Liu, Meng Li, Fusang Zhang, Zhi Liu,
• Abstract要約: データ自体から直接ドメインを再定義するために、WiFi潜伏ドメインマイニングを導入した新しいWiFiベースのジェスチャー認識システムであるGesFiを提案する。 最先端のベースラインと比較して、GesFiは、既存の敵メソッドよりも最大78%、50%のパフォーマンス改善を実現している。
• 参考スコア（独自算出の注目度）: 18.929824397974514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose GesFi, a novel WiFi-based gesture recognition system that introduces WiFi latent domain mining to redefine domains directly from the data itself. GesFi first processes raw sensing data collected from WiFi receivers using CSI-ratio denoising, Short-Time Fast Fourier Transform, and visualization techniques to generate standardized input representations. It then employs class-wise adversarial learning to suppress gesture semantic and leverages unsupervised clustering to automatically uncover latent domain factors responsible for distributional shifts. These latent domains are then aligned through adversarial learning to support robust cross-domain generalization. Finally, the system is applied to the target environment for robust gesture inference. We deployed GesFi under both single-pair and multi-pair settings using commodity WiFi transceivers, and evaluated it across multiple public datasets and real-world environments. Compared to state-of-the-art baselines, GesFi achieves up to 78% and 50% performance improvements over existing adversarial methods, and consistently outperforms prior generalization approaches across most cross-domain tasks.
• Abstract（参考訳）: 本稿では,WiFiを用いた新しいジェスチャー認識システムであるGesFiを提案する。 GesFiはまず、CSI-ratio denoising、Short-Time Fast Fourier Transform、および可視化技術を用いてWiFi受信機から収集された生のセンシングデータを処理し、標準化された入力表現を生成する。 次に、ジェスチャセマンティクスを抑えるためにクラスワイドの逆習学習を採用し、教師なしクラスタリングを活用して、分散シフトに責任を負う潜在ドメイン要素を自動的に発見する。 これらの潜在ドメインは、堅牢なクロスドメイン一般化をサポートするために、敵対的な学習を通じて整列される。 最後に、システムは、頑健なジェスチャー推論のためにターゲット環境に適用される。 GesFiは、コモディティWiFiトランシーバを使用して、単一ペアとマルチペアの両方の設定でデプロイし、複数のパブリックデータセットと実環境にわたって評価した。 最先端のベースラインと比較すると、GesFiは既存の敵メソッドよりも最大78%と50%のパフォーマンス向上を実現しており、ほとんどのクロスドメインタスクで事前の一般化アプローチよりも一貫して優れています。

関連論文リスト

• WiFi-based Cross-Domain Gesture Recognition Using Attention Mechanism [61.79272554643873]
  本稿では,マルチセマンティックアテンション機構と自己注意に基づくチャネル機構を融合したジェスチャー認識ネットワークを提案する。 その結果、99.72%のドメイン内精度を維持するだけでなく、97.61%のクロスドメイン認識でも高い性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2025-12-04T07:09:13Z)
• Cross-Domain Multi-Person Human Activity Recognition via Near-Field Wi-Fi Sensing [20.1340684071988]
  不完全な活動カテゴリの存在下で、効率的なドメイン間適応のための新しいトレーニングフレームワークWiAnchorを提案する。 我々は、WiAnchorを徹底的に評価するための包括的なデータセットを構築し、アクティビティのカテゴリが欠如している場合に、90%以上のクロスドメイン精度を達成する。
  論文  参考訳（メタデータ） (2025-09-27T03:22:15Z)
• Effectively Identifying Wi-Fi Devices through State Transitions [0.8192907805418581]
  Wi-Fi管理フレームはMACアドレスのランダム化の下でも持続する構造化通信パターンを示す。 本稿では,受動的に観察された管理フレームから抽出された行動力学に基づいて,Wi-Fiデバイスを指紋で識別する新しいフレームワークを提案する。 本手法は,Wi-Fi管理フレームのみを用いて,非ランダム化装置の識別精度を86%以上向上させる。
  論文  参考訳（メタデータ） (2025-07-03T09:35:38Z)
• UniCrossFi: A Unified Framework For Cross-Domain Wi-Fi-based Gesture Recognition [25.031527338434216]
  Wi-Fiセンシングシステムは、目に見えない現実世界の環境に配備された場合、クロスドメインの問題によって深刻な障害を受ける。 我々は,CSIに基づく多様なデプロイメント設定におけるパフォーマンス低下を緩和する統合フレームワークUniCrossFiを提案する。
  論文  参考訳（メタデータ） (2023-10-10T05:54:00Z)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• 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)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)

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。