論文の概要: WiFi-JEPA: Self-supervised Learning for WiFi-CSI 3D Human Pose Estimation
- arxiv url: http://arxiv.org/abs/2607.11064v1
- Date: Mon, 13 Jul 2026 04:05:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.325941
- Title: WiFi-JEPA: Self-supervised Learning for WiFi-CSI 3D Human Pose Estimation
- Title（参考訳）: WiFi-JEPA:WiFi-CSI 3Dヒューマンポース推定のための自己教師型学習
- Authors: Doeon Kim, Jungyoon Lee, Seongsin Kim, Seong-heum Kim,
- Abstract要約: WiFi Channel State Information (CSI) は、プライバシー保護のための人間のポーズセンシングを可能にする。
マスク付き潜伏埋め込みを予測してCSIネイティブ表現を学習する自己教師型フレームワークであるWiFi-JEPAを提案する。
- 参考スコア（独自算出の注目度）: 0.6416429054645992
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: WiFi Channel State Information (CSI) enables privacy-preserving human pose sensing in camera-denied environments, but existing WiFi-based pose estimators often fail under environment shifts and rely on costly camera-based annotation pipelines that limit scale. We propose WiFi-JEPA, a self-supervised framework that learns CSI-native representations by predicting masked latent embeddings instead of reconstructing raw CSI signals that may contain hardware-specific artifacts. WiFi-JEPA makes three contributions: (i) CSI-specific tokenization and link masking tailored to the CSI tensor over channel, time, and link (C,T,L); masking entire Tx-Rx antenna links forces the model to predict one spatial link view from others, capturing cross-link correlations informative of 3D spatial structure. (ii) A ray-tracing CSI simulation pipeline that generates diverse unlabeled CSI from randomized geometric primitives, providing scalable pre-training data without pose annotations. (iii) State-of-the-art results on Person-in-WiFi-3D: WiFi-JEPA outperforms prior WiFi-CSI baselines on both single- and multi-person 3D pose estimation under the same evaluation protocol. We also show that simulated CSI provides complementary pre-training signal to real CSI, and that four vision-native SSL objectives degrade performance below training from scratch, whereas WiFi-JEPA consistently improves downstream pose estimation.
- Abstract（参考訳）: WiFi Channel State Information (CSI) は、カメラを意識した環境での人間のポーズ検出を可能にするが、既存のWiFiベースのポーズ推定装置は環境シフト時に失敗し、スケールを制限するコストの高いカメラベースのアノテーションパイプラインに依存することが多い。
ハードウェア固有のアーティファクトを含む生のCSI信号を再構成する代わりに、マスク付き潜伏埋め込みを予測してCSIネイティブ表現を学習する自己教師型フレームワークであるWiFi-JEPAを提案する。
WiFi-JEPAは3つの貢献をしている。
一 チャネル、時間、リンク(C,T,L)上のCSIテンソルに合わせて調整されたCSI固有のトークン化及びリンクマスキングで、Tx-Rxアンテナ全体のマスキングにより、他者からの1つの空間リンクビューを予測し、3次元空間構造を知らせるクロスリンク相関をキャプチャする。
(II)ランダム化された幾何学的プリミティブから多彩なラベルなしCSIを生成するレイトレーシングCSIシミュレーションパイプライン。
3)Person-in-WiFi-3Dの最先端結果:WiFi-JEPAは、同一の評価プロトコルの下で、単対多対多対多の3Dポーズ推定において、以前のWiFi-CSIベースラインを上回っている。
また,シミュレートされたCSIは実CSIに補完的な事前学習信号を提供するとともに,4つのビジョンネイティブSSL目標がトレーニング以下の性能をゼロから劣化させるのに対して,WiFi-JEPAは下流ポーズ推定を一貫して改善することを示す。
関連論文リスト
- CSI-JEPA: Towards Foundation Representations for Ubiquitous Sensing with Minimal Supervision [6.226207559281459]
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。
論文 参考訳（メタデータ） (2026-05-13T22:50:31Z) - Breaking Coordinate Overfitting: Geometry-Aware WiFi Sensing for Cross-Layout 3D Pose Estimation [26.629874388669176]
本稿では、WiFiベースのクロスドメインポーズ推定のための最初の幾何条件付きフレームワークPerceptAlignを紹介する。
PerceptAlignは、最先端のベースラインと比較して、ドメイン内エラーを12.3%削減し、ドメイン間エラーを60%以上削減する。
これらの結果は、スケーラブルで実用的なWiFiセンシングへの有効な経路として、幾何学条件学習を確立している。
論文 参考訳（メタデータ） (2026-01-18T04:13:09Z) - 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) - 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) - Hybrid CNN-LSTM based Indoor Pedestrian Localization with CSI Fingerprint Maps [0.0]
本稿では,CSI(Channel State Information)データを用いた新しいWi-Fiフィンガープリントシステムを提案する。
提案システムは,CSIデータから抽出した特徴の周波数多様性と空間的多様性を利用して,CSIフィンガープリントマップを生成する。
次に、このCSIフィンガープリントマップによるCSIデータの表現を用いて、ハイブリッドアーキテクチャを用いた歩行者軌道仮説を生成する。
論文 参考訳（メタデータ） (2024-12-18T08:31:34Z) - 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) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:49:11Z) - Blind Federated Edge Learning [93.29571175702735]
フェデレーションエッジ学習(FEEL)について検討し,それぞれが独自のデータセットを持つ無線エッジデバイスでグローバルモデルを学ぶ。
そこで本研究では,デバイスがローカル更新を非符号化方式で送信する,アナログオーバ・ザ・エアのアグリゲーション方式を提案する。
論文 参考訳（メタデータ） (2020-10-19T16:22:28Z)
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。