論文の概要: WiCompass: Oracle-driven Data Scaling for mmWave Human Pose Estimation

• arxiv url: http://arxiv.org/abs/2602.18726v1
• Date: Sat, 21 Feb 2026 05:50:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.266032
• Title: WiCompass: Oracle-driven Data Scaling for mmWave Human Pose Estimation
• Title（参考訳）: WiCompass: mmWaveのヒューマンポース推定のためのOracle主導のデータスケーリング
• Authors: Bo Liang, Chen Gong, Haobo Wang, Qirui Liu, Rungui Zhou, Fengzhi Shao, Yubo Wang, Wei Gao, Kaichen Zhou, Guolong Cui, Chenren Xu,
• Abstract要約: ミリ波ヒューマンポース推定はプライバシーを約束するが、流通シフト下での一般化に苦しむ。 我々は、カバレッジを意識したデータ収集フレームワークWiを紹介する。 実験では、Wiは一致した予算でのOOD精度を一貫して改善し、従来の収集戦略よりも優れたスケーリング挙動を示す。
• 参考スコア（独自算出の注目度）: 33.170058585163126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Millimeter-wave Human Pose Estimation (mmWave HPE) promises privacy but suffers from poor generalization under distribution shifts. We demonstrate that brute-force data scaling is ineffective for out-of-distribution (OOD) robustness; efficiency and coverage are the true bottlenecks. To address this, we introduce WiCompass, a coverage-aware data-collection framework. WiCompass leverages large-scale motion-capture corpora to build a universal pose space ``oracle'' that quantifies dataset redundancy and identifies underrepresented motions. Guided by this oracle, WiCompass employs a closed-loop policy to prioritize collecting informative missing samples. Experiments show that WiCompass consistently improves OOD accuracy at matched budgets and exhibits superior scaling behavior compared to conventional collection strategies. By shifting focus from brute-force scaling to coverage-aware data acquisition, this work offers a practical path toward robust mmWave sensing.
• Abstract（参考訳）: ミリ波ヒューマンポース推定(mmWave HPE)は、プライバシを約束するが、分布シフトによる一般化が不十分である。 ブルートフォースデータスケーリングは、アウト・オブ・ディストリビューション(OOD)の堅牢性には効果がないことを実証する。 この問題に対処するために、我々はカバレッジ対応のデータ収集フレームワークWiCompassを紹介した。 WiCompassは大規模なモーションキャプチャコーパスを活用して、データセットの冗長性を定量化し、未表現の動作を識別する普遍的なポーズ空間 ‘‘oracle’’ を構築する。 この託宣によって導かれたWiCompassは、クローズドループポリシーを使用して、情報に欠けるサンプルの収集を優先する。 実験の結果,WiCompassは一致した予算でのOOD精度を一貫して改善し,従来の収集戦略よりも優れたスケーリング動作を示すことがわかった。 ブルートフォーススケーリングからカバレッジ対応データ取得に焦点を移すことで、この研究は堅牢なmmWaveセンシングへの実践的な道筋を提供する。

関連論文リスト

• IBIS: A Powerful Hybrid Architecture for Human Activity Recognition [1.0554048699217669]
  我々は、Inception-BiLSTMとSupport Vector Machine(SVM)を統合した新しいハイブリッドアーキテクチャを導入する。 我々の IBIS アプローチは、モデル一般化を改善し、より堅牢な分類境界を作成するために一意に設計されている。 本手法をドップラー由来のデータに適用することにより,99%近くの動き認識精度を実現する。
  論文  参考訳（メタデータ） (2025-10-28T20:06:08Z)
• Geometric Median Matching for Robust k-Subset Selection from Noisy Data [75.86423267723728]
  最適分解点1/2のロバストな推定器であるGeometric Medianを利用する新しいk-subset選択法を提案する。 提案手法は, k-subset を反復的に選択し,部分集合の平均が(潜在的に)ノイズデータセットの GM に近似し,任意の汚損の下でもロバスト性を確保する。
  論文  参考訳（メタデータ） (2025-04-01T09:22:05Z)
• PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning [49.916365792036636]
  フェデレートラーニング(FL)は、大規模分散ユーザデータを活用する可能性から、最近大きな勢いを増している。 送信されたモデル更新は、センシティブなユーザ情報をリークする可能性があり、ローカルなトレーニングプロセスの集中的な制御の欠如は、モデル更新に対する悪意のある操作の影響を受けやすいグローバルモデルを残します。 我々は、Lagrange符号化計算と分散ゼロ知識証明を利用した汎用フレームワークPriRoAggを開発し、集約されたプライバシを満たすとともに、幅広いロバストな集約アルゴリズムを実行する。
  論文  参考訳（メタデータ） (2024-07-12T03:18:08Z)
• Enabling robust sensor network design with data processing and optimization making use of local beehive image and video files [0.0]
  最先端のエッジコンピューティング技術を使ってデータ転送とストレージを最適化する革命的なパラダイムです。 提案手法は,画像とビデオのデータ圧縮と数値データに対するデータ集約技術を組み合わせたものである。 このアプローチの重要な側面は、リソース制約のある環境での運用を可能にすることです。
  論文  参考訳（メタデータ） (2024-02-26T15:27:47Z)
• A Geometrical Approach to Evaluate the Adversarial Robustness of Deep Neural Networks [52.09243852066406]
  対向収束時間スコア(ACTS)は、対向ロバストネス指標として収束時間を測定する。 我々は,大規模画像Netデータセットに対する異なる敵攻撃に対して,提案したACTSメトリックの有効性と一般化を検証する。
  論文  参考訳（メタデータ） (2023-10-10T09:39:38Z)
• Cross-network transferable neural models for WLAN interference estimation [8.519313977400735]
  本稿では,ロバストネスにおける干渉推定の原理的アプローチを採用する。 まず、実データを使って影響する要因を識別し、関連する一連の合成ワークロードを導出します。 当然のことながら、Graph Conalvolution Networks(GCNs)が全体的なパフォーマンスで最高のものになっている。
  論文  参考訳（メタデータ） (2022-11-25T11:01:43Z)
• Securing Federated Learning against Overwhelming Collusive Attackers [7.587927338603662]
  局所モデル間の相関を利用して,最小スパンニング木とk-Densestグラフに基づく2つのグラフ理論アルゴリズムを提案する。 我々のFLモデルは、攻撃者の影響を最大70%まで無効にすることができる。 我々は、精度、攻撃成功率、早期検出ラウンドを用いて、既存のアルゴリズムよりもアルゴリズムの優位性を確立する。
  論文  参考訳（メタデータ） (2022-09-28T13:41:04Z)

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。