論文の概要: CSI-JEPA: Towards Foundation Representations for Ubiquitous Sensing with Minimal Supervision
- arxiv url: http://arxiv.org/abs/2605.14171v1
- Date: Wed, 13 May 2026 22:50:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.528633
- Title: CSI-JEPA: Towards Foundation Representations for Ubiquitous Sensing with Minimal Supervision
- Title（参考訳）: CSI-JEPA:ミニマルスーパービジョンによるユビキタスセンシングの基礎表現を目指して
- Authors: Xuanhao Luo, Zhizhen Li, Yuchen Liu,
- Abstract要約: ラベル効率・マルチタスクWi-Fiセンシングのための自己教師付き予測表現学習フレームワークであるCSI-JEPAを提案する。
CSI-JEPAは、ラベルのないCSIサンプルから再利用可能な時間スペクトル表現を学習する。
我々はCSI-JEPAを、様々な目的や配置設定にまたがる7つの実世界のWi-Fiセンシングタスクで評価する。
- 参考スコア（独自算出の注目度）: 6.226207559281459
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Channel state information (CSI) provides a widely available sensing modality for human and environment perception, but existing CSI sensing models usually rely on task-specific supervised training and require substantial labeled data for each task, device, user, or environment. This limits their scalability in practical deployments where unlabeled CSI is abundant but labeled data is costly to collect. In this paper, we present CSI-JEPA, a self-supervised predictive representation learning framework for label-efficient, multi-task Wi-Fi sensing. CSI-JEPA learns reusable temporal-spectral representations from unlabeled CSI samples by predicting latent features of masked channel regions from visible context. To better match the physical structure of CSI, CSI-JEPA tokenizes channel-response amplitude windows along the time and subcarrier dimensions. It then introduces a channel variation-aware masking strategy that samples predictive targets from regions with stronger local temporal and subcarrier-domain variations. After pretraining, the encoder is frozen and used as a backbone, with lightweight task-specific adapters added for downstream sensing tasks. We evaluate CSI-JEPA on seven real-world Wi-Fi sensing tasks spanning diverse objectives and deployment settings. The results show that CSI-JEPA improves downstream sensing performance over competitive baselines, achieving up to 10.64 percentage points mean accuracy gain over state-of-the-art supervised Transformer and matched-budget label savings of up to 98.0%.
- Abstract（参考訳）: チャネル状態情報(CSI)は、人間と環境の知覚に広く利用可能な知覚モダリティを提供するが、既存のCSIセンシングモデルは、通常、タスク固有の教師付きトレーニングに依存し、タスク、デバイス、ユーザ、あるいは環境ごとに実質的なラベル付きデータを必要とする。
これにより、ラベルのないCSIが豊富だがラベル付きデータが収集するのにコストがかかる、実用的なデプロイメントにおけるスケーラビリティが制限される。
本稿では,ラベル効率,マルチタスクWi-Fiセンシングのための自己教師付き予測表現学習フレームワークであるCSI-JEPAを提案する。
CSI-JEPAは、可視的コンテキストからマスクされたチャネル領域の潜伏特性を予測することにより、ラベルのないCSIサンプルから再利用可能な時間スペクトル表現を学習する。
CSIの物理的構造をよりよく一致させるために、CSI-JEPAはチャネル応答型振幅窓を時間とサブキャリア次元に沿ってトークン化する。
次に、より強力な局所時間変化とサブキャリア領域変化を持つ領域から予測目標をサンプリングするチャネル変動対応マスキング戦略を導入する。
事前トレーニング後、エンコーダは凍結してバックボーンとして使用され、下流のセンシングタスクに軽量なタスク固有のアダプタが追加される。
我々はCSI-JEPAを、様々な目的や配置設定にまたがる7つの実世界のWi-Fiセンシングタスクで評価する。
その結果、CSI-JEPAは、競争ベースラインよりも下流センシング性能を向上し、最大10.64パーセントのポイントを達成すれば、最先端の教師付きトランスフォーマーと一致した予算ラベルの最大98.0%の精度向上が得られることがわかった。
関連論文リスト
- Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。
生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。
数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
論文 参考訳（メタデータ） (2025-11-21T07:25:49Z) - GNN-Enabled Robust Hybrid Beamforming with Score-Based CSI Generation and Denoising [105.08746566747324]
本稿では,グラフニューラルネットワーク(GNN)とスコアベース生成モデルを用いて,ロバストなハイブリッドビームフォーミング(HBF)タスクを実現することを提案する。
我々は、高分解能CSIの分布を学習するために、変換器(BERT)ベースのノイズ条件スコアネットワーク(NCSN)による双方向表現を設計する。
最後に,デノナイジングスコアネットワーク(DSN)と,デノナイジングスコアネットワーク(DSN)を任意のチャネルエラーレベル下でデノナイジングできるデノナイジングスコアネットワーク(DeBERT)を提案する。
論文 参考訳（メタデータ） (2025-11-10T03:18:34Z) - Distributed Gossip-GAN for Low-overhead CSI Feedback Training in FDD mMIMO-OFDM Systems [65.23921727688749]
本稿では,新たなゴシップ生成敵ネットワーク(Gossip-GAN)支援CSIフィードバックトレーニングフレームワークを提案する。
Gossip-GANは、ユーザのプライバシを保護しながら、低オーバーヘッドでCSIフィードバックトレーニングを可能にする。
論文 参考訳（メタデータ） (2025-08-31T07:46:16Z) - CSI-BERT2: A BERT-inspired Framework for Efficient CSI Prediction and Classification in Wireless Communication and Sensing [19.12026243010111]
CSI予測と分類タスクのための統合フレームワークCSI-BERT2を提案する。
このフレームワークはBERTに適応し、双方向の自己認識機構を通じてCSI配列間の複雑な関係をキャプチャする。
CSI-BERT2は、すべてのタスクで最先端のパフォーマンスを達成することを実証している。
論文 参考訳（メタデータ） (2024-12-09T06:44:04Z) - Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される
本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。
X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-05-10T08:04:27Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - RSCNet: Dynamic CSI Compression for Cloud-based WiFi Sensing [9.34104644481967]
本稿では,圧縮CSIによるセンシングを可能にする新しいリアルタイムセンシング・圧縮ネットワーク(RSCNet)を提案する。
RSCNetは、CSI圧縮とセンシング精度のトレードオフをバランスさせ、通信コストを削減し、リアルタイムクラウドベースのWiFiセンシングを合理化する。
数値的な発見は、SenseFiのような既存のベンチマークよりもRCCNetが向上していることを示し、最小のCSI再構成誤差で97.4%の感度の精度を示した。
論文 参考訳（メタデータ） (2024-01-19T20:30:23Z) - A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。
しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。
CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。
既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。
低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
論文 参考訳（メタデータ） (2023-12-07T06:01:47Z)
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。