論文の概要: Planar Gaussian Splatting with Bilinear Spatial Transformer for Wireless Radiance Field Reconstruction

• arxiv url: http://arxiv.org/abs/2604.25945v1
• Date: Fri, 17 Apr 2026 12:19:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.237948
• Title: Planar Gaussian Splatting with Bilinear Spatial Transformer for Wireless Radiance Field Reconstruction
• Title（参考訳）: 無線放射場再構成のためのバイリニア空間変換器を用いた平面ガウス散乱
• Authors: Jinghan Zhang, Xitao Gong, Qi Wang, Richard A. Stirling-Gallacher, Giuseppe Caire,
• Abstract要約: 無線放射場(WRF)再構成は,3次元空間と方向の無線周波数特性の連続的,問合せ可能な表現を学習することを目的としている。 本稿では3次元GSの表現性を保ちながら不要な投影を除去する平面GSフレームワークであるBiSplat-WRFを紹介する。 双線形空間変換器(BST)は、角格子上の原始的関係を集約し、注意を通して長距離電磁的依存関係を捕捉する。
• 参考スコア（独自算出の注目度）: 44.36992948504474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wireless radiance field (WRF) reconstruction aims to learn a continuous, queryable representation of radio frequency characteristics over 3D space and direction, from which specific quantities, such as the spatial power spectrum (SPS) at a receiver given a transmitter position, can be predicted. While Gaussian splatting (GS)-based method has surpassed Neural Radiance Fields (NeRF)-based method for this task, existing adaptations largely transplant vision pipelines, limiting physical interpretability and accuracy. We introduce BiSplat-WRF, a planar GS framework that retains the expressiveness of 3D GS while removing unnecessary projections and incorporating global EM coupling and mutual scattering among primitives. Each primitive is a 2D planar Gaussian with 3D coordinates, rendered directly on the angular domain of the SPS. A bilinear spatial transformer (BST) aggregates inter-primitive relations on an angular grid and, via attention, captures long-range electromagnetic dependencies, thereby enforcing globally aware EM interactions that reflect the complex physics of the wireless environment. On spatial spectrum synthesis task, BiSplat-WRF surpasses NeRF-based and prior GS-based baselines with respect to the Structural Similarity Index (SSIM); comprehensive ablation studies validate the contribution of BST. We also provide a larger BiSplat-WRF+ variant that further increases SSIM at a higher computation cost, serving as a strong reference for future studies.
• Abstract（参考訳）: 無線放射界再構成(WRF)は,送信機位置が与えられた受信機における空間パワースペクトル(SPS)などの特定の量から,3次元空間と方向の無線周波数特性の連続的,問い合わせ可能な表現を学習することを目的としている。 ガウススプラッティング法(GS法)はニューラル・ラディアンス・フィールド法(NeRF法)を超越しているが、既存の適応法は主に視覚パイプラインを移植し、物理的解釈可能性と精度を制限している。 3次元GSの表現性を保ちながら、不要な投影を除去し、プリミティブ間の大域的EM結合と相互散乱を取り入れた平面GSフレームワークであるBiSplat-WRFを紹介する。 各プリミティブは3次元座標を持つ2次元平面ガウスであり、SPSの角領域に直接描画される。 バイリニア空間変換器(BST)は、角格子上の原始的関係を集約し、注意を通して長距離電磁的依存関係を捕捉し、無線環境の複雑な物理を反映した世界的なEM相互作用を強制する。 空間スペクトル合成タスクにおいて、BiSplat-WRFは、構造類似度指数(SSIM)に関して、NeRFベースおよびそれ以前のGSベースベースラインを超え、包括的アブレーション研究はBSTの寄与を検証する。 また、より大規模なBiSplat-WRF+変異体も提供し、SSIMをより高い計算コストで向上させ、将来の研究の強力な参考となる。

関連論文リスト

• NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
  3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。 本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
  論文  参考訳（メタデータ） (2026-04-16T07:14:07Z)
• Bridging Visual and Wireless Sensing: A Unified Radiation Field for 3D Radio Map Construction [14.26926951448715]
  次世代無線ネットワークは、高忠実な環境インテリジェンスを必要とする。 この目的のために、重要なツールとして3Dラジオマップが登場した。 我々は、統一された放射光場表現フレームワークであるURF-GSを提案する。
  論文  参考訳（メタデータ） (2026-01-27T05:35:50Z)
• Neural Representation for Wireless Radiation Field Reconstruction: A 3D Gaussian Splatting Approach [8.644949917126755]
  本稿では,無線放射場(WRF)再構成に基づくチャネルモデリングのための新しいフレームワークであるWRF-GSを提案する。 本稿では、電磁波物理をニューラルネットワーク設計に統合する拡張フレームワークであるWRF-GS+を提案する。
  論文  参考訳（メタデータ） (2024-12-06T07:56:14Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)

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。