Fugu-MT 論文翻訳(概要): mmWave-Diffusion:A Novel Framework for Respiration Sensing Using Observation-Anchored Conditional Diffusion Model

論文の概要: mmWave-Diffusion:A Novel Framework for Respiration Sensing Using Observation-Anchored Conditional Diffusion Model

arxiv url: http://arxiv.org/abs/2603.20700v1
Date: Sat, 21 Mar 2026 07:52:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-24 19:11:39.04738
Title: mmWave-Diffusion:A Novel Framework for Respiration Sensing Using Observation-Anchored Conditional Diffusion Model
Title（参考訳）: mmWave拡散:観測アンコール条件拡散モデルを用いた呼吸センシングのための新しいフレームワーク
Abstract要約: mmWave拡散(mmWave-Diffusion)は、観測による条件付き拡散フレームワークである。付随するレーダー拡散変換器(RDT)は、位相観測で明確に条件付けされている。 13.25時間の同期レーダー呼吸データに基づいて評価した。
参考スコア（独自算出の注目度）: 5.8085169131571215
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Millimeter-wave (mmWave) radar enables contactless respiratory sensing,yet fine-grained monitoring is often degraded by nonstationary interference from body micromotions.To achieve micromotion interference removal,we propose mmWave-Diffusion,an observation-anchored conditional diffusion framework that directly models the residual between radar phase observations and the respiratory ground truth,and initializes sampling within an observation-consistent neighborhood rather than from Gaussian noise-thereby aligning the generative process with the measurement physics and reducing inference overhead. The accompanying Radar Diffusion Transformer (RDT) is explicitly conditioned on phase observations, enforces strict one-to-one temporal alignment via patch-level dual positional encodings, and injects local physical priors through banded-mask multi-head cross-attention, enabling robust denoising and interference removal in just 20 reverse steps. Evaluated on 13.25 hours of synchronized radar-respiration data, mmWave-Diffusion achieves state-of-the-art waveform reconstruction and respiratory-rate estimation with strong generalization. Code repository:https://github.com/goodluckyongw/mmWave-Diffusion.
Abstract（参考訳）: ミリ波レーダ(mmWave)は非接触型呼吸センシングを実現するため,微小運動による非定常干渉による微細なモニタリングをしばしば行うが,マイクロモーション干渉除去を実現するために,レーダ位相観測と呼吸場真実の残差を直接モデル化する観察型条件拡散フレームワークmmWave-Diffusionを提案する。付随するレーダー拡散変換器(RDT)は、位相観察に明示的に条件付けされ、パッチレベルの2つの位置エンコーディングを介して厳密な1対1の時間アライメントを強制し、バンドドマスクマルチヘッドのクロスアテンションを介して局所的な物理前兆を注入し、わずか20の逆ステップで頑健なノイズ除去と干渉除去を可能にする。 13.25時間の同期レーダー呼吸データに基づいて、mmWave-Diffusionは強力な一般化を伴う最先端の波形再構成と呼吸速度推定を達成する。コードリポジトリ:https://github.com/goodluckyongw/mmWave-Diffusion

関連論文リスト

You Only Flow Once: Calibrated and Real-Time Radar Pose Estimation with Multi-Hypothesis Normalizing Flows [5.241472125982733]
レーダーポイントの雲は、しばしば複数の可視的な人間のポーズに対応し、決定論的ポーズ推定を根本的に不適切にする。拡散に基づく代替手段は、多相分布をモデル化できるが、各分布サンプルに対してコストがかかる。条件付きフローバックボーンを用いて,レーダ点雲からの分布をモデル化したMH-Gを提案する。
論文参考訳（メタデータ） (2026-08-10T13:15:09Z)
Echo-DM: Ultrasound Marker Removal via Conditional Latent Diffusion and Region-Aware Fusion [50.02433280054874]
マーカーは下流の自動分析にショートカットバイアスを導入することができる。条件付き潜伏拡散と領域認識融合による超音波マーカー除去のためのフレームワークであるEcho-DMを提案する。大規模な超音波検査データセットであるEcho-PAIRの実験は、優れたマーカー除去と強力な解剖学的忠実さを示す。
論文参考訳（メタデータ） (2026-06-08T11:56:33Z)
Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
論文参考訳（メタデータ） (2026-01-30T03:14:01Z)
ASBA: A-line State Space Model and B-line Attention for Sparse Optical Doppler Tomography Reconstruction [52.60553814186938]
横軸(B線)に沿って1次元深度分解生Aスキャン(A線)を順次取得して2次元光ドップラートモグラフィ(ODT)画像(B線)を生成する。現在のプラクティスは、スキャン時間が長くなり、ストレージの需要が増加し、急激な血流動態の捕捉が制限される、密度の高いサンプリングに依存している。そこで本研究では,高度にサンプル化した生のAスキャンからODT画像の再構成を行うために,ASBAという新しい血流認識ネットワークを導入する。
論文参考訳（メタデータ） (2026-01-20T17:17:02Z)
mmPred: Radar-based Human Motion Prediction in the Dark [43.00006337997152]
既存のRGB-Dカメラに基づく動作予測手法は、照明条件に敏感であり、プライバシー上の懸念を提起する。この研究は、初めてHMPのための新しいセンシングモダリティとしてレーダーを導入している。レーダベースHMPに適した拡散型フレームワークmmPredを提案する。
論文参考訳（メタデータ） (2025-11-29T06:26:55Z)
Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
論文参考訳（メタデータ） (2025-11-11T08:40:28Z)
Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
論文参考訳（メタデータ） (2025-07-02T01:22:46Z)
MobiVital: Self-supervised Time-series Quality Estimation for Contactless Respiration Monitoring Using UWB Radar [10.090037080306896]
超広帯域(UWB)レーダーデータから得られた呼吸波形の品質を向上させる新しい手法MobiVitalを提案する。 MobiVitalは、波形抽出のための自己教師付き自己回帰モデルと、生体情報処理アルゴリズムを組み合わせて波形インバージョンを検出し、修正する。以上の結果から, 本システムで生成する呼吸波形は, ベースラインに比べて7～34%の忠実性を示した。
論文参考訳（メタデータ） (2025-03-14T04:14:27Z)
RespDiff: An End-to-End Multi-scale RNN Diffusion Model for Respiratory Waveform Estimation from PPG Signals [3.306437812367815]
PPG信号からの呼吸波形推定のためのエンドツーエンドマルチスケールRNNモデルであるRespDiffを提案する。モデルはマルチスケールエンコーダを使用し、異なる解像度で特徴を抽出し、双方向RNNを使用してPSG信号を処理し、呼吸波形を抽出する。 BIDMCデータセットで行った実験では、RespDiffはRR推定の1.18bpmの平均絶対誤差(MAE)を達成し、先行研究よりも優れていた。
論文参考訳（メタデータ） (2024-10-06T05:54:49Z)
Diffusion Model is a Good Pose Estimator from 3D RF-Vision [32.72703340013302]
無線周波数ビジョン(RF-vision)からのヒューマンポーズ推定(HPE)は、RF信号を用いて人間のセンシングを行う。 mmWaveレーダーは有望なRFビジョンセンサーとして登場し、RF信号を処理してレーダー点雲を提供する。本研究は,ノイズレーダデータに適した新しい拡散型ポーズ推定器mmDiffを提案する。
論文参考訳（メタデータ） (2024-03-24T15:39:52Z)
Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
論文参考訳（メタデータ） (2023-05-10T07:05:43Z)
DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
論文参考訳（メタデータ） (2023-03-15T16:14:06Z)

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。