論文の概要: Wi-Spike: A Low-power WiFi Human Multi-action Recognition Model with Spiking Neural Networks

• arxiv url: http://arxiv.org/abs/2603.14475v1
• Date: Sun, 15 Mar 2026 16:40:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.830646
• Title: Wi-Spike: A Low-power WiFi Human Multi-action Recognition Model with Spiking Neural Networks
• Title（参考訳）: Wi-Spike:スパイクニューラルネットワークを用いた低消費電力WiFiマルチアクション認識モデル
• Authors: Nengbo Zhang, Yao Ying, Lu Wang, Kaishun Wu, Jieming Ma, Fei Luo,
• Abstract要約: Wi-Spikeは、バイオインスパイアされた、効率的かつ正確な行動認識のためのニューラルネットワークフレームワークである。 我々は,Wi-Spikeがシングルアクション認識において競合精度を達成し,マルチアクション認識タスクにおいて優れた性能を発揮することを示す。 エネルギー消費に関しては、Wi-Spikeは他の方法と比べてエネルギーコストを少なくとも半分削減するが、人間の活動認識では95.83%の精度で認識できる。
• 参考スコア（独自算出の注目度）: 11.92978756225668
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: WiFi-based human action recognition (HAR) has gained significant attention due to its non-intrusive and privacy-preserving nature. However, most existing WiFi sensing models predominantly focus on improving recognition accuracy, while issues of power consumption and energy efficiency remain insufficiently discussed. In this work, we present Wi-Spike, a bio-inspired spiking neural network (SNN) framework for efficient and accurate action recognition using WiFi channel state information (CSI) signals. Specifically, leveraging the event-driven and low-power characteristics of SNNs, Wi-Spike introduces spiking convolutional layers for spatio-temporal feature extraction and a novel temporal attention mechanism to enhance discriminative representation. The extracted features are subsequently encoded and classified through spiking fully connected layers and a voting layer. Comprehensive experiments on three benchmark datasets (NTU-Fi-HAR, NTU-Fi-HumanID, and UT-HAR) demonstrate that Wi-Spike achieves competitive accuracy in single-action recognition and superior performance in multi-action recognition tasks. As for energy consumption, Wi-Spike reduces the energy cost by at least half compared with other methods, while still achieving 95.83% recognition accuracy in human activity recognition. More importantly, Wi-Spike establishes a new state-of-the-art in WiFi-based multi-action HAR, offering a promising solution for real-time, energy-efficient edge sensing applications.
• Abstract（参考訳）: WiFiベースのヒューマンアクション認識(HAR)は、非侵襲的でプライバシー保護的な性質のため、大きな注目を集めている。 しかし、既存のWiFiセンシングモデルのほとんどは認識精度の向上に重点を置いているが、電力消費とエネルギー効率の問題はいまだに十分に議論されている。 本研究では、WiFiチャネル状態情報(CSI)信号を用いたバイオインスパイアされたスパイクニューラルネットワーク(SNN)フレームワークであるWi-Spikeを提案する。 具体的には、SNNの事象駆動・低消費電力特性を利用して、時空間特徴抽出のためのスパイク畳み込み層を導入し、識別表現を高める新しい時間的注意機構を提案する。 その後、抽出した特徴を符号化し、完全に連結された層と投票層によって分類する。 3つのベンチマークデータセット(NTU-Fi-HAR、NTU-Fi-HumanID、UT-HAR)の総合的な実験により、Wi-Spikeはシングルアクション認識において競争精度を達成し、マルチアクション認識タスクにおいて優れた性能を示す。 エネルギー消費に関しては、Wi-Spikeは他の方法と比べてエネルギーコストを少なくとも半分削減するが、人間の活動認識では95.83%の精度で認識できる。 さらに重要なのは、Wi-SpikeがWiFiベースのマルチアクションHARの最先端を新たに確立し、リアルタイムでエネルギー効率のよいエッジセンシングアプリケーションに有望なソリューションを提供することだ。

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)
• Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [86.28783985254431]
  従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場 本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
  論文  参考訳（メタデータ） (2025-03-06T09:06:06Z)
• SpikePoint: An Efficient Point-based Spiking Neural Network for Event Cameras Action Recognition [11.178792888084692]
  スパイキングニューラルネットワーク(SNN)は、その顕著な効率性と耐障害性のために注目されている。 本稿では,新しいエンドツーエンドのポイントベースSNNアーキテクチャであるSpikePointを提案する。 SpikePointはスパースイベントクラウドデータの処理に優れ、グローバル機能とローカル機能の両方を効果的に抽出する。
  論文  参考訳（メタデータ） (2023-10-11T04:38:21Z)
• 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)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• 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)
• EfficientFi: Towards Large-Scale Lightweight WiFi Sensing via CSI Compression [28.383494189730268]
  EfficientFiは、IoTクラウドに対応した最初のWiFiセンシングフレームワークである。 CSIデータを1.368Mb/sから0.768Kb/sに圧縮する。 人間の行動認識の精度は98%を超えている。
  論文  参考訳（メタデータ） (2022-04-08T15:48:41Z)

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。