論文の概要: Point-Cloud-Assistant Localized Statistical Channel Prediction by Tangent Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2606.18734v1
- Date: Wed, 17 Jun 2026 06:23:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 17:16:51.03458
- Title: Point-Cloud-Assistant Localized Statistical Channel Prediction by Tangent Gaussian Splatting
- Title（参考訳）: タンジェントガウス法によるポイントクラウド型局所統計チャネル予測
- Authors: Ye Xue, Yiheng Wang, Xinhua Shao, Qi Yan, Shutao Zhang, Tsung-Hui Chang,
- Abstract要約: Emphpoint-cloud-assisted tangent splatting (PC-TGS) は、非測定屋外グリッドのための最初のフレームワークである。
PC-TGSは環境散乱体を異方性3Dガウスとして表現している。
その結果,PC-TGSが大規模無線デジタル双生児の幾何学的認識とデータ効率の高いチャネル予測を可能にする可能性が示唆された。
- 参考スコア（独自算出の注目度）: 27.51525749430508
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate, site-specific channel information is crucial for optimizing next-generation wireless networks. Among various approaches, localized statistical channel modeling (LSCM), which models the channel multipath angular power spectrum (APS) from the reference signal received power (RSRP) measurement, has emerged as a state-of-the-art method tailored for efficient network optimization. However, despite its effectiveness, LSCM cannot predict APS at the vast majority of locations where no measurements are available, which significantly restricts its applicability in large-scale, real-world scenarios. To address this challenge, we present \emph{point-cloud-assisted tangent Gaussian splatting} (PC-TGS), the first framework to \emph{extrapolate} APS to unmeasured outdoor grids by integrating sparse radio measurements with dense LiDAR-based geometry. PC-TGS represents environmental scatterers as anisotropic 3D Gaussians, initialized and refined through a relaxed-mean reparameterization of the raw point cloud. A tangent-plane projection accurately maps each Gaussian into the local angular domain, while a depth-aware electromagnetic splatting process aggregates their contributions. To ensure practical deployment, we derive a closed-form Gaussian-weighted average (GWA) for APS bin integration and provide a provable error bound. { Evaluations on a LiDAR-scanned city-scale dataset (5M points, 6,310 RSRP samples) demonstrate that PC-TGS achieves better APS and RSRP prediction performance compared to state-of-the-art baselines and faster inference time for APS extrapolation task. These results highlight the potential of PC-TGS to enable geometry-aware and data-efficient channel prediction in large-scale wireless digital twins.
- Abstract（参考訳）: 次世代無線ネットワークの最適化には,正確なサイト固有のチャネル情報が必要である。
マルチパス角電力スペクトル(APS)を基準信号受信電力(RSRP)測定からモデル化する局所統計チャネルモデリング(LSCM)は,効率的なネットワーク最適化に適した最先端の手法として登場した。
しかし、LSCMはその有効性にもかかわらず、計測できないほとんどの場所でAPSを予測できないため、大規模な実世界のシナリオでは適用性が著しく制限される。
この課題に対処するために、高密度LiDARに基づく疎ラジオ計測を統合することにより、未測定の屋外グリッドにAPSを配する最初のフレームワークである \emph{point-cloud-assisted tangent Gaussian splatting} (PC-TGS) を提示する。
PC-TGSは、環境散乱体を異方性3次元ガウシアンとして表現し、原点雲の緩和平均パラメータ化によって初期化し、精製する。
接面投影は各ガウスを局所的な角領域に正確にマッピングし、深度を意識した電磁散乱過程はその寄与を集約する。
APS bin 統合のための閉形式のガウス重み付き平均値 (GWA) を導出し, 証明可能な誤差境界を提供する。
以上の結果から,PC-TGS が APS と RSRP の予測性能を,最先端のベースラインと比較して向上し,APS の外挿作業の高速化を図った。
これらの結果は,大規模ディジタルツインにおける幾何学的・データ効率の高いチャネル予測を可能にするPC-TGSの可能性を強調した。
関連論文リスト
- GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。
大量のガウス点があるため、高いメモリコストに制約される。
コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
論文 参考訳（メタデータ） (2026-04-02T10:41:51Z) - Digital Twin-Assisted Measurement Design and Channel Statistics Prediction [38.5726581069701]
本研究は,オープンソースマップから導出される未校正DTを利用して,GP予測のための幾何学的事前情報を抽出するハイブリッドチャネル予測フレームワークを提案する。
提案手法は,測定オーバーヘッドを低減し,予測精度を向上し,資源効率の高い無線チャネル予測のための実践的なアプローチを確立する。
論文 参考訳（メタデータ） (2026-03-24T23:43:59Z) - GSpaRC: Gaussian Splatting for Real-time Reconstruction of RF Channels [18.70495617397063]
無線通信システムにおける適応ビームフォーミングおよびロバストリンクにはチャネル状態情報(CSI)が不可欠である。
本稿では1msの遅延障壁を破る最初の計算であるRFチャネルのリアルタイム再構成のためのガウススプラッティングについて述べる。
論文 参考訳（メタデータ） (2025-11-27T22:42:23Z) - 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) - Flow-Induced Diagonal Gaussian Processes [7.720921989821054]
フロー誘起対角ガウス過程(フロー誘起対角ガウス過程、FiD-GP)は、コンパクトな誘導重み行列を組み込んだ圧縮フレームワークである。
本稿では,FiD-GPがOoD(Out-of-Distribution)検出のための単一パスプロジェクションの設計にどのように役立つかを示す。
論文 参考訳（メタデータ） (2025-09-21T16:49:09Z) - Fluid Antenna System-assisted Physical Layer Secret Key Generation [64.92952968689636]
本稿では,流体アンテナシステム(FAS)を動的無線環境に適用することにより,多元系基地局システムにおける物理層生成(PLKG)について検討する。
本研究では,送信ビームフォーミングとポート選択を統合したPLKGモデルを提案する。
本論文で導入したスライディングウィンドウベースポート選択法は,動的ポート選択により,より少ないチェーンで高いKGRを実現する。
論文 参考訳（メタデータ） (2025-09-19T03:01:29Z) - Neural Beam Field for Spatial Beam RSRP Prediction [11.903931127386349]
高密度無線ネットワークにおけるビーム管理には、正確なビームレベル基準信号受信電力(RSRP)の予測が不可欠である。
本稿では,空間ビームRSRP予測の効率的かつ解釈可能なハイブリッドニューラルネットワーク物理フレームワークであるNeural Beam Field (NBF)を提案する。
論文 参考訳（メタデータ） (2025-08-09T12:05:51Z) - GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。
最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。
この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z) - ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [112.40071212468843]
3D Gaussian Splatting (3DGS)は多くの視覚タスクにおいて3D表現の事実上の方法となっている。
一般的なShapeNet, ModelNet, averseを用いて3DGSの大規模データセットを構築した。
本稿では,ガウスパラメータからの表現学習の独特な利点を浮き彫りにしたガウスMAEを紹介する。
論文 参考訳（メタデータ） (2024-08-20T14:49:14Z)
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。