論文の概要: Wave2Body: Rethinking mmWave Human Pose Estimation as Radar-to-Body Token Translation

• arxiv url: http://arxiv.org/abs/2607.18875v1
• Date: Tue, 21 Jul 2026 09:06:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.378946
• Title: Wave2Body: Rethinking mmWave Human Pose Estimation as Radar-to-Body Token Translation
• Title（参考訳）: Wave2Body:Rar-to-Body Token翻訳としてmWaveの人文推定を再考する
• Abstract要約: ミリ波レーダ(mmWave)は、プライバシーに配慮した人間のセンシングを可能にするが、そのまばらな点雲は、視野に依存した電磁反射の物理的測定であり、間接的に身体の関節を特徴付けるだけである。 既存の方法は、レーダーの認識、人体構造、およびそれらのアライメントを学ぶために、同じ限られたペアの監督に依存して、ペアのレーダー配置データからジョイント座標を直接回帰する。 我々は,これらの学習対象を,自己教師付きmmWaveトークンライザと,出力空間を定義する事前訓練された構成体トークンライザと,それらの間の軽量トランスレータを用いて分離する,レーダ間トークン翻訳フレームワークであるWave2Bodyを提案する。
• 参考スコア（独自算出の注目度）: 17.79621154844076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Millimeter-wave (mmWave) radar enables privacy-friendly human sensing, but its sparse point clouds are physical measurements of view-dependent electromagnetic reflections and only indirectly characterize body articulation. Recovering a complete 3D pose from such partial, geometry-dependent observations is therefore under-constrained. Existing methods directly regress joint coordinates from paired radar-pose data, relying on the same limited paired supervision to learn radar perception, human-body structure, and their alignment. This coupling can encourage dataset-specific shortcuts under ambiguous radar observations. We propose Wave2Body, a radar-to-body token translation framework that decouples these learning targets using a self-supervised mmWave tokenizer, a pretrained compositional body tokenizer that defines the output space, and a lightweight translator between them. Experiments on M4Human and mmBody show that Wave2Body achieves stronger cross-domain generalization than previous methods while incurring much lower computational costs for training and inference. All the code and experiment results are publicly available at https://github.com/Galaxywalk/Wave2Body.
• Abstract（参考訳）: ミリ波レーダ(mmWave)は、プライバシーに配慮した人間のセンシングを可能にするが、そのまばらな点雲は、視野に依存した電磁反射の物理的測定であり、間接的に身体の関節を特徴付けるだけである。 したがって、このような部分的な幾何学に依存した観測から完全な3Dポーズを復元することは、制約下にある。 既存の手法は、レーダーの認識、人体構造、およびそれらのアライメントを学ぶために、同じ限られたペアの監視に頼って、ペアのレーダー配置データからジョイント座標を直接回帰する。 この結合は、あいまいなレーダー観測の下でデータセット固有のショートカットを促進する。 我々は,これらの学習対象を,自己教師付きmmWaveトークンライザと,出力空間を定義する事前訓練された構成体トークンライザと,それらの間の軽量トランスレータを用いて分離する,レーダ間トークン翻訳フレームワークであるWave2Bodyを提案する。 M4Human と mmBody の実験は、Wave2Body が従来の手法よりも強力なクロスドメイン一般化を実現し、トレーニングと推論の計算コストがはるかに低いことを示している。 すべてのコードと実験結果はhttps://github.com/Galaxywalk/Wave2Body.comで公開されている。

関連論文リスト

• ROMNet: a hybrid reduced order modeling and machine learning approach to waveform inversion [53.79823394212125]
  波形インバージョンは、不均一で到達不能な媒体の波速を推定しようとする。 ROMNetと呼ばれる手法を導入し,数値シミュレーションで検証する。 ROMNet と直接 ROM ベースの逆変換と FWI に対する2つの代表的な深層学習手法を比較した。
  論文  参考訳（メタデータ） (2026-08-25T21:13:39Z)
• Teaching Foundation Models to Read mmWave: Pose-Guided Kinematic Representation for Human Behavior Understanding [23.73222950886392]
  ミリ波(mmWave)レーダーは、プライバシーに優しく、接触のない知覚モダリティを提供する。 既存のレーダー言語法は、しばしば合成データに依存するか、人体構造や運動力学の明確な監督を欠いている。 同期3ポーズトレーニングモデルを用いたレーダ言語モデルmmMindを提案する。
  論文  参考訳（メタデータ） (2026-08-04T18:25:55Z)
• Dense Soft Weighting for Radar Ego-Velocity Estimation [6.356174487225252]
  本稿では,エゴ速度推定のための分析レーダフロントエンドであるDense Soft Weightingを提案する。 すべてのレンジドップラーセルを2値検出閾値を強制するのではなく、連続した信頼度にマッピングする。 これは、最強のCFARポイントクラウドベースラインと比較して平均的な絶対的なポーズエラーを31-45%削減する。
  論文  参考訳（メタデータ） (2026-07-29T14:37:52Z)
• A Two-Stage Motion-Aware Framework for mmWave-based Human Mesh Recovery [13.982684122303896]
  本稿では,レーダーによる人体再構築のための2段階の枠組みを提案する。 まず、粗大な局所化を行う人間の反射抽出モジュールを提案する。 第二に、人体を再構築する動き認識メッシュ回復ネットワークを設計する。
  論文  参考訳（メタデータ） (2026-05-08T22:34:03Z)
• RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
  マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。 RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。 本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2025-12-19T18:57:33Z)
• RaCalNet: Radar Calibration Network for Sparse-Supervised Metric Depth Estimation [14.466573808593887]
  RaCalNetは、希薄なLiDARを使用して洗練されたレーダー測定の学習を監督することにより、密集した監視の必要性を排除する新しいフレームワークである。 RaCalNetは、透明な物体の輪郭ときめ細かいテクスチャを持つ深度マップを作成し、最先端の密教師付き手法に比べて優れた視覚的品質を示す。
  論文  参考訳（メタデータ） (2025-06-18T15:35:16Z)
• RadarLLM: Empowering Large Language Models to Understand Human Motion from Millimeter-wave Point Cloud Sequence [10.115852646162843]
  本稿では、ミリ波レーダをセンシングモードとして用いた人間の理解に大規模言語モデル(LLM)を利用する最初のフレームワークであるRadar-LLMを提案する。 データ不足に対処するために、モーションテキストデータセットからリアルなレーダテキストペアを生成する物理対応パイプライン合成を導入する。 Radar-LLMは、合成および実世界のベンチマークの両方で最先端のパフォーマンスを実現し、ミリ波信号の自然言語記述への正確な変換を可能にする。
  論文  参考訳（メタデータ） (2025-04-14T04:18:25Z)
• Skeleton Detection Using Dual Radars with Integration of Dual-View CNN Models and mmPose [0.0]
  本研究は2つのmmWaveレーダを用いて、PointNetとmmPoseを組み合わせた3つのDual ViewCNNモデルを提案する。 提案モデルでは,無作為歩行に対する準最適結果を示すが,アームスイングの場合の方が優れている。
  論文  参考訳（メタデータ） (2024-11-28T16:40:58Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• Bi-LRFusion: Bi-Directional LiDAR-Radar Fusion for 3D Dynamic Object Detection [78.59426158981108]
  この課題に対処し、動的オブジェクトの3D検出を改善するために、双方向LiDAR-Radar融合フレームワーク、Bi-LRFusionを導入する。 我々はnuScenesとORRデータセットに関する広範な実験を行い、我々のBi-LRFusionが動的オブジェクトを検出するための最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2023-06-02T10:57:41Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• HuPR: A Benchmark for Human Pose Estimation Using Millimeter Wave Radar [30.51398364813315]
  本稿では,ミリ波レーダを用いた人間のポーズ推定ベンチマーク「Human Pose with Millimeter Wave Radar (HuPR)」を紹介する。 このデータセットは、レーダに基づく人間のポーズ推定のクロスモダリティトレーニングのために、クロスキャリブレーションされたmmWaveレーダセンサとモノクラーRGBカメラを用いて作成される。
  論文  参考訳（メタデータ） (2022-10-22T22:28:40Z)
• RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
  我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。 我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。 RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
  論文  参考訳（メタデータ） (2020-07-28T17:15:02Z)

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。