論文の概要: RadioFormer3D: Weakly Supervised 3D Radio Map Estimation in Low-Altitude Airspace via Generative Modeling

• arxiv url: http://arxiv.org/abs/2605.29538v1
• Date: Thu, 28 May 2026 07:52:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.040351
• Title: RadioFormer3D: Weakly Supervised 3D Radio Map Estimation in Low-Altitude Airspace via Generative Modeling
• Title（参考訳）: RadioFormer3D: 生成モデルによる低高度空域の3次元ラジオマップ推定
• Authors: Zheng Fang, Junjie Liu, Kangjun Liu, Jianguo Zhang, Yaowei Wang, Ke Chen,
• Abstract要約: textbftextitRadioFormer3Dは、弱い監督下でのボリュームスペクトル再構成のための特殊なモデルである。 textitRadioFormer3Dは、既存の代表的なメソッドと比較して、全体的なパフォーマンスが優れている。
• 参考スコア（独自算出の注目度）: 44.55033792503838
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the emergence of wireless applications in three-dimensional environments, such as the low-altitude airspace and 3D heterogeneous networks, radio map estimation is increasingly required to characterize signal propagation across both horizontal and vertical dimensions. However, extending radio map estimation from 2D to 3D remains challenging due to increased spatial sparsity and limited supervision across continuous altitudes. In this paper, we propose \textbf{\textit{RadioFormer3D}}, a specialized model for volumetric spectrum reconstruction under weak supervision. Building on the dual-stream, multi-granularity fusion architecture of \textit{RadioFormer}, \textit{RadioFormer3D} introduces a Fourier-based sampling encoder and a volumetric decoder to efficiently process sparse measurements in 3D space. To alleviate the lack of vertical supervision, we propose the \textbf{\textit{Joint Spectrum Integrity Loss}}, which integrates volume-level pseudo-label supervision, map-level geometry-aware radio rendering, and pixel-level localized constraints within a unified optimization scheme. This design enables the model to capture complex vertical structural relationships more effectively under sparse supervision. Extensive experiments across several radio map datasets show that \textit{RadioFormer3D} achieves superior overall performance compared to representative existing methods. In particular, it demonstrates improved reconstruction quality at unlabeled altitudes while maintaining a favorable trade-off between accuracy and inference efficiency, positioning it as a highly promising solution for future 3D environment-aware wireless networks.
• Abstract（参考訳）: 低高度空域や3次元ヘテロジニアスネットワークなどの3次元環境における無線応用の出現に伴い、無線マップ推定は、水平および垂直の両方の信号伝搬を特徴付けるためにますます必要となる。 しかし、2Dから3Dへの無線地図推定の延長は、空間空間の幅が増加し、連続的な高度の監督が限られているため、依然として困難である。 本稿では,弱監督下でのボリュームスペクトル再構成を専門とするモデルである \textbf{\textit{RadioFormer3D}} を提案する。 The dual-stream, multi-granularity fusion architecture of \textit{RadioFormer}, \textit{RadioFormer3D} introduced a Fourier-based sample encoder and a volumetric decoder to process sparse measurement in 3D space。 縦方向の監督の欠如を軽減するため,ボリュームレベルの擬似ラベル監視,マップレベルの幾何対応無線レンダリング,ピクセルレベルの局所的制約を統一最適化方式で統合した「textbf{\textit{Joint Spectrum Integrity Loss}}」を提案する。 この設計により、厳密な監督の下で複雑な垂直構造関係をより効果的に捉えることができる。 いくつかの無線マップデータセットに対する大規模な実験により、 \textit{RadioFormer3D} は、既存の代表的な手法と比較して、全体的なパフォーマンスが優れていることが示されている。 特に、精度と推論効率のトレードオフを良好に保ちつつ、ラベルのない高度での再現性の向上を図り、将来の3D環境対応無線ネットワークにとって非常に有望なソリューションとして位置づけている。

関連論文リスト

• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• RadioGen3D: 3D Radio Map Generation via Adversarial Learning on Large-Scale Synthetic Data [62.63849426834315]
  将来の6Gおよび低高度ネットワークにおける効率的な無線資源管理には,無線地図が不可欠である。 ディープ・ラーニング(DL)技術は、無線地図推定における従来のレイトレーシングに代わる効果的な代替手段として登場した。 提案するRadioGen3Dフレームワークは,本質的な3次元信号伝搬特性とアンテナ偏光効果を捉える。
  論文  参考訳（メタデータ） (2026-02-21T07:50:05Z)
• Enhancing Floor Plan Recognition: A Hybrid Mix-Transformer and U-Net Approach for Precise Wall Segmentation [0.0]
  本研究では,Mix-TransformerエンコーダとU-Netデコーダを組み合わせたハイブリッドニューラルネットワークMitUNetを紹介する。 我々の手法は精度とリコールのバランスを保ち、正確な境界回復を保証する。 CubiCasa5kデータセットと独自の地域データセットの実験は、構造的に正しいマスクを生成する上でのMitUNetの優位性を示している。
  論文  参考訳（メタデータ） (2025-12-02T04:47:53Z)
• Improved Accuracy of Robot Localization Using 3-D LiDAR in a Hippocampus-Inspired Model [0.0]
  境界ベクトル細胞(BVC)は、特定の距離と同心方向の環境境界をコードする脊椎動物の脳のニューロンである。 ほとんどの計算的BVCモデルは2次元(2次元)環境に制限されており、環境に水平対称性が存在する場合、空間的曖昧さが生じる。 BVCフレームワークに垂直角感度を導入し、3次元の堅牢な境界検出を可能にする。
  論文  参考訳（メタデータ） (2025-10-28T03:24:02Z)
• Ultra3D: Efficient and High-Fidelity 3D Generation with Part Attention [54.15345846343084]
  品質を損なうことなくスパースボクセルモデリングを大幅に高速化する,効率的な3D生成フレームワークであるUltra3Dを提案する。 部分注意(Part Attention)は、意味的に一貫した部分領域内での注意計算を制限する幾何学的な局所的注意機構である。 実験により、Ultra3Dは1024の解像度で高解像度の3D生成をサポートし、視覚的忠実度とユーザの好みの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-07-23T17:57:16Z)
• RadioDiff-3D: A 3D$\times$3D Radio Map Dataset and Generative Diffusion Based Benchmark for 6G Environment-Aware Communication [76.6171399066216]
  UrbanRadio3Dは、現実的な都市環境におけるレイトレーシングによって構築された大規模で高解像度の3D RMデータセットである。 RadioDiff-3Dは3D畳み込みアーキテクチャを利用した拡散モデルに基づく生成フレームワークである。 この研究は、将来の3D環境対応コミュニケーション研究のための基礎的なデータセットとベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-07-16T11:54:08Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation [81.02742110604161]
  大規模運転シーンのLiDARセグメンテーションのための最先端の手法は、しばしば点雲を2次元空間に投影し、2D畳み込みによって処理する。 そこで我々は,3次元幾何学的パタンを探索するために,円筒分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。 提案手法はセマンティックKITTIのリーダーボードにおいて第1位を獲得し,既存のnuScenesの手法を約4%のマージンで上回っている。
  論文  参考訳（メタデータ） (2020-11-19T18:53:11Z)

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。