論文の概要: Multi-Modal Conditioned High-Resolution Transformer for Urban Electromagnetic Field Map Prediction Download PDF

• arxiv url: http://arxiv.org/abs/2606.27671v1
• Date: Fri, 26 Jun 2026 03:06:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.356128
• Title: Multi-Modal Conditioned High-Resolution Transformer for Urban Electromagnetic Field Map Prediction Download PDF
• Title（参考訳）: 都市電界図予測用多モード高分解能変圧器
• Abstract要約: 都市環境における電磁界強度の予測はセルネットワーク計画に不可欠である。 建築レイアウト画像とアンテナ構成から500のEMFマップを生成する多条件高密度予測フレームワークを提案する。 我々の最良のモデルは、0.0461のMAE、プレーンなUNetベースラインに対する25.2%の改善、HRFormerのみのベースラインに対する31.8%を達成しています。
• 参考スコア（独自算出の注目度）: 3.3172899945646965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting electromagnetic field (EMF) strength in urban environments is essential for cellular network planning but computationally expensive with physics-based simulators. We propose a multi-conditioned dense prediction framework that generates 500 500 EMF maps from building layout images and antenna configurations. Our architecture uses a High-Resolution Transformer (HRFormer) backbone with two complementary conditioning mechanisms: Feature-wise Linear Modulation (FiLM) injects scalar antenna parameters into all backbone stages, while cross-attention fuses 1-D radiation pattern tokens with spatial features at the deepest stage. We further introduce transmitter-relative spatial channels encoding distance, proximity, and bearing from the antenna, enabling coordinate-consistent test-time augmentation (TTA) that reduces test MAE by 6.3%. To address the prediction difficulty imbalance across EMF maps, we design a composite loss combining masked L1, multi-scale structural similarity (MS-SSIM), and a focal L1 term that upweights high-signal pixels, outperforming individual loss components in all metrics. Our best model achieves a test MAE of 0.0461, a 25.2% improvement over a plain UNet baseline and 31.8% over an HRFormer-only baseline.Do-
• Abstract（参考訳）: 都市環境における電磁界強度の予測はセルラーネットワーク計画には不可欠であるが,物理シミュレーションでは計算コストがかかる。 建築レイアウト画像とアンテナ構成から500のEMFマップを生成する多条件高密度予測フレームワークを提案する。 我々のアーキテクチャでは,高分解能トランスフォーマー (HRFormer) のバックボーンと2つの相補的条件付け機構を用いており,FiLM (Feature-wise Linear Modulation) はスカラーアンテナパラメータをすべてのバックボーンステージに注入する。 さらに、アンテナからの距離、近接距離、軸受を符号化する送信側空間チャネルを導入し、TTA(Coor coordinate-consistent test-time augmentation)を可能にし、MAEを6.3%削減する。 EMFマップ間の予測困難さに対処するため,マスク付きL1,マルチスケール構造類似度(MS-SSIM),および高信号画素の重み付けを行う焦点L1項を設計し,各指標において個々の損失成分よりも優れる。 我々の最良のモデルは、0.0461のMAE、通常のUNetベースラインよりも25.2%改善、HRFormerのみベースラインより31.8%改善した。

関連論文リスト

• Low-Altitude Fluid Antenna Network with Multi-Agent Reinforcement Learning [49.09908852315575]
  マルチエージェント強化学習(MARL)を用いた低高度FAネットワークの高速かつ高性能な再構成について検討する。 今回のケーススタディでは、固定位置ベースラインと比較して、関節FA位置とビームフォーミング最適化がシステム総和率を118.5%向上できることを示した。
  論文  参考訳（メタデータ） (2026-08-28T04:27:44Z)
• HybridSim: A Physics-Learning Hybrid Digital Twin for mmWave Human Sensing [16.25180983132509]
  HybridSimは物理を学習するハイブリッドシミュレータで、室内の固定された構成の下で、動的人間のメッシュからミリ波レーダー信号を合成する。 サイト固有のデータ拡張にHybridSimを使用する場合、下流レーダに基づくヒューマンセンシングタスクにおいて、物理ベースの参照と一貫した利得との整合性の向上を示す。
  論文  参考訳（メタデータ） (2026-07-17T10:20:31Z)
• Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
  抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。 相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。 まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
  論文  参考訳（メタデータ） (2026-07-13T14:03:26Z)
• Phase-Preserving Trimodal Transformer for Tropical Forest Biomass Estimation Using Optical and PolInSAR Data [0.3499870393443268]
  Trimodal Coherent Co-attention Transformer (TCCT) は物理情報を用いたディープラーニングアーキテクチャである。 TCCTは、光面反射率(Landsat-5)と、PバンドとLバンドの複雑な値のポラリメトリックSAR干渉計(PolInSAR)データを融合する。 また, Above-Ground Biomass (AGB) に換算すると, 50 Mg/ha以上の密林地域での相対RMSEは4.51%であった。
  論文  参考訳（メタデータ） (2026-07-04T02:32:51Z)
• TriSweep: A Four-Drone Swarm Framework for Electromagnetic Side-Channel Analysis [0.0]
  TriSweepは、自律的なスタンドオフEM-SCAのための4つのドロンのSwarmアーキテクチャを設計し、評価するシミュレーションフレームワークである。 空間的に専門化された3つの収集ドローンは、コヒーレントな組み合わせを行う静止アキュベータードローンを供給します。 物理的なハードウェアは製造されておらず、プロトタイプの構築が次のステップとして計画されている。
  論文  参考訳（メタデータ） (2026-05-21T16:47:44Z)
• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• Physics-Based Flow Matching for Full-Field Prediction of Silicon Photonic Devices [0.02455468619225742]
  我々は、フォトニックデバイスにおける電界分布を予測する生成型ニューラルネットワークであるPICFlowを提案する。 提案手法は, (i) 生成フレームワークとしての条件付きフローマッチング, (ii) 実フィールドチャネルと虚フィールドチャネルを実数値で操作するU-Net, (iii) ランタイムナブラ2 E_z + k2 varepsilon E_z = 0$のHelmholtz残留損失による物理制約付きトレーニングの3つを組み合わせたものである。
  論文  参考訳（メタデータ） (2026-05-07T20:40:24Z)
• ReVeal-MT: A Physics-Informed Neural Network for Multi-Transmitter Radio Environment Mapping [9.43653276377036]
  本稿では,マルチソースPDE残基をニューラルネットワーク損失関数に統合した新しいPINNであるemphReVeal-MTを提案する。 ReVeal-MTは、農耕地や郊外の環境にまたがるARA無線リビングラボからの実測値を用いて検証されている。 その結果,ReVeal-MTはマルチトランスミッタのシナリオでかなりの精度のゲインが得られることがわかった。
  論文  参考訳（メタデータ） (2025-11-22T23:33:06Z)
• A Fluid Antenna Enabled Physical Layer Key Generation for Next-G Wireless Networks [83.86388221738225]
  物理層鍵生成(PLKG)は、セキュリティインフラなしで無線チャネルから秘密鍵を入手することができる。 厳しい伝播環境では、キー生成率(KGR)が著しく低下する。 本稿では,この課題に対処するために,新しい流体アンテナ (FA) を用いたPLKGシステムを提案する。
  論文  参考訳（メタデータ） (2025-08-16T18:39:19Z)
• On the Limitations of Ray-Tracing for Learning-Based RF Tasks in Urban Environments [4.097291451674696]
  ローマ中央部の屋外細胞リンクにおけるSionna v ray-tracingの現実性について検討した。 我々は、経路深さ、拡散/特異/屈折フラグ、キャリア周波数、アンテナの特性など、主なシミュレーションパラメータを変化させる。
  論文  参考訳（メタデータ） (2025-07-25T19:58:44Z)
• Deep Learning Optimization of Two-State Pinching Antennas Systems [48.70043547158868]
  ピンチアンテナ(PA)は、二元活性化状態を通して電磁波の伝搬を動的に制御することができる。 本研究では,ユーザ端末での通信速度を最大化することを目的として,定位PAのサブセットを最適に選択して導波路で活性化する問題について検討する。
  論文  参考訳（メタデータ） (2025-07-08T17:55:54Z)
• Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
  我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイントアクティブビームフォーミングとパッシブビームフォーミングの問題点について検討する。 この問題に対処する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-14T06:43:36Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Integrating LEO Satellites and Multi-UAV Reinforcement Learning for Hybrid FSO/RF Non-Terrestrial Networks [55.776497048509185]
  低高度地球軌道衛星(SAT)と無人航空機(UAV)のメガコンステレーションは、第5世代(5G)を超える高速・長距離通信の実現を約束している。 我々は、ミリ波(mmWave)無線周波数(RF)または自由空間光(FSO)リンクを用いて、SATとUAVリレーを介して2つの長距離地上端末間のパケット転送の問題を検討する。
  論文  参考訳（メタデータ） (2020-10-20T09:07:10Z)

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。