論文の概要: RadioTrace: Transmitter-Aware Diffusion for Radio Map Estimation without Deployment-Time Fine-Tuning

• arxiv url: http://arxiv.org/abs/2607.20909v1
• Date: Thu, 23 Jul 2026 04:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.274969
• Title: RadioTrace: Transmitter-Aware Diffusion for Radio Map Estimation without Deployment-Time Fine-Tuning
• Title（参考訳）: RadioTrace: 展開時間細調整を伴わない無線マップ推定のための送信者対応拡散
• Abstract要約: 無線マップ(RM)推定は,スパース測定から無線信号特性の空間分布を再構成することを目的としている。 ディープラーニングを含む従来のアプローチでは、複雑な伝播効果を捉えるのに苦労するか、新しいサンプリングパターンごとに大規模な再トレーニングが必要になる。 デプロイ時の微調整を伴わない新しいRM推定フレームワークであるRadioTraceを提案する。
• 参考スコア（独自算出の注目度）: 12.743046925489663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radio map (RM) estimation aims to reconstruct the spatial distribution of wireless signal characteristics, such as received signal strength (RSS), from sparse measurements, a task that is critical for spectrum management, interference mitigation, and localization in modern wireless networks. Traditional approaches, including interpolation and deep learning, either struggle to capture complex propagation effects or require large-scale retraining for each new sampling pattern, which limits their generalization. More recently, prior-based methods have combined pre-trained generative models with measurements to reduce the need for deployment-time model fine-tuning, but they typically treat the prior as a simple regularizer and lack explicit transmitter-aware integration. In this paper, we propose RadioTrace, a novel RM estimation framework without deployment-time fine-tuning that tightly integrates sparse RSS measurements with a frozen pre-trained diffusion prior. RadioTrace incorporates transmitter (Tx) location estimation directly into the denoising loop, iteratively refining Tx coordinates based on reconstruction quality to guide the generative process. To further enhance robustness, we introduce a propagation-guided K-means initialization that mitigates poor local minima in the Tx update and provides a geometry-consistent starting point. Moreover, we provide a stochastic stability analysis for the Tx-coordinate refinement component, showing that the Tx update remains stable under perturbations induced by diffusion sampling and Tx-map relaxation. Extensive experiments demonstrate that RadioTrace achieves competitive performance with state-of-the-art learning-based methods under random sampling, and maintains strong reconstruction quality under restricted-area sampling, highlighting its adaptability, robustness, and practical relevance.
• Abstract（参考訳）: 無線マップ (RM) 推定は、受信信号強度 (RSS) などの無線信号特性の空間分布を、スペクトル管理、干渉緩和、現代の無線ネットワークにおける局所化に欠かせないタスクから再構成することを目的としている。 補間やディープラーニングを含む従来の手法では、複雑な伝播効果を捉えるのに苦労するか、新しいサンプリングパターンごとに大規模な再訓練が必要であり、一般化を制限している。 より最近では、事前学習された生成モデルと測定値を組み合わせることで、デプロイ時のモデル微調整の必要性を低減しているが、それらは通常、前者を単純な正規化器として扱い、トランスミッター・アウェア統合を欠いている。 そこで本論文では,Sparse RSS 測定と凍結事前学習拡散を密に統合した,デプロイメントタイムの微調整を伴わない新しい RM 推定フレームワークであるRadioTrace を提案する。 RadioTraceは、デノナイジングループに直接送信機(Tx)位置推定を組み込んで、再構成品質に基づいて繰り返しTx座標を精製し、生成過程を導出する。 さらにロバスト性を高めるために,Tx更新における局所最小値の低下を緩和し,幾何学的に整合した出発点を提供する,伝播誘導K平均初期化を導入する。 さらに, 拡散サンプリングおよびTxマップ緩和によって誘導される摂動下でのTx更新が安定であることを示す。 広範囲にわたる実験により、RadioTraceは、ランダムサンプリングの下で最先端の学習ベース手法と競合する性能を示し、制限領域サンプリング下での強い再構築品質を維持し、適応性、堅牢性、実用性を強調している。

関連論文リスト

• Rethinking Radiomap Blind Prediction with Limited Environment and Configuration Representations [75.34570531766927]
  ラジオマップブラインド予測は, 観測可能な伝搬環境の表現と基地局構成から, フィールド計測なしで電波マップを推定する。 本稿では,事前誘導予測器を補正可能なベースとして扱うRadioDecompを提案する。 クロスコンフィグレーションおよびクロス環境設定下での実験では、RadioLSRは特にクロスコンフィグレーションの一般化に有効であることが示されている。
  論文  参考訳（メタデータ） (2026-09-10T08:52:01Z)
• Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
  スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。 SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。 MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
  論文  参考訳（メタデータ） (2026-08-12T07:39:22Z)
• SATB-VR: Training Few-Step Video Restoration Diffusion Model using SNR-Aware Trajectory Blending [55.764018145256216]
  本稿では,補助予測器を介してデノナイジングプロセスを開始する数ステップのパラダイムであるSATB-VRを提案する。 我々は,SATB-VRが,合成,実世界,AIGCベンチマークにおける既存のアプローチに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2026-06-27T01:32:16Z)
• RMPrior: Bridging Propagation Priors and Diffusion Refinement for Efficient Radio Map Construction [25.36924798716969]
  本論文は,中間段階のサンプリング戦略を通じて,伝播先行と拡散改善を橋渡しする。 IRT4HighResの実験は、$P_textstart=0.5$で、提案手法が2.01times$のスピードアップを達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T03:05:18Z)
• Bridging the Sampling Distribution Shift in Radio Map Estimation: A Trajectory-Aware Paradigm [19.549188944529753]
  学習に基づく無線地図推定(RME)は、UAV支援無線センシングにおいて重要な役割を担い、カバレッジ予測やネットワーク最適化といったタスクを可能にする。 現在のほとんどの手法では、ランダムサンプリングに基づいて独立に同一に分散されたトレーニングとテストの設定を前提としている。 このミスマッチはサンプリング分布シフトを導入し、空間場回復の本質的な困難を増大させる。 そこで本研究では,Triggered Trajectory-Based (ST-TBS) に基づくトラジェクティブ・アウェア・トレーニング・パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-05-27T09:47:23Z)
• HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
  ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。 本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T14:14:13Z)
• Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
  フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。 FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。 連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
  論文  参考訳（メタデータ） (2026-03-23T03:22:33Z)
• Low-Dimensional Adaptation of Rectified Flow: A New Perspective through the Lens of Diffusion and Stochastic Localization [59.04314685837778]
  整流流(RF)は、その生成効率と最先端の性能からかなりの人気を得ている。 本稿では,RFがターゲット分布の支持の内在的低次元性に自動的に適応し,サンプリングを高速化する程度について検討する。 時間分割方式を慎重に設計し,十分な正確なドリフト推定を行うことで,RFサンプリング器はオーダーO(k/varepsilon)$の複雑さを享受できることを示す。
  論文  参考訳（メタデータ） (2026-01-21T22:09:27Z)
• 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)
• RadioMapMotion: A Dataset and Baseline for Proactive Spatio-Temporal Radio Environment Prediction [21.594684328904403]
  本稿では,過去の観測から将来の地図の列を予測することを含む,動的RM予測の課題を提案する。 この予測アプローチの鍵となる障壁は、継続的環境進化をキャプチャするデータセットの欠如である。 物理的に一貫した車両軌道から生成された連続RMシーケンスの大規模公開データセットであるRadioMapMotionを紹介する。
  論文  参考訳（メタデータ） (2025-10-24T03:25:25Z)
• RadioDiff-Loc: Diffusion Model Enhanced Scattering Congnition for NLoS Localization with Sparse Radio Map Estimation [24.71314779247058]
  本稿では条件拡散モデルに基づくNLoSローカライゼーションのための新しい生成推論フレームワークを提案する。 回折された電磁エネルギーが建物縁付近に集中する物理的知見を活用することにより,サンプリング戦略を開発する。 我々は、最大観測強度に対して全サンプルRSS値を正規化し、パワー不変の無線マップの構築を可能にした。
  論文  参考訳（メタデータ） (2025-09-02T01:43:23Z)
• Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
  生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。 意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づくセマンティックコミュニケーションフレームワークを提案する。 提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
  論文  参考訳（メタデータ） (2025-06-06T03:20:32Z)
• RadioDiff-Inverse: Diffusion Enhanced Bayesian Inverse Estimation for ISAC Radio Map Construction [24.3983954491267]
  無線地図(RM)は、環境に配慮した通信やセンシングに不可欠であり、位置固有の無線チャネル情報を提供する。 既存のRM構築法は、しばしば正確な環境データと基地局(BS)の場所に依存しており、動的またはプライバシーに敏感な環境では必ずしも利用できない。 本稿では、粗い環境知識とノイズスパース測定の下でのベイズ逆問題としてRM構築を定式化する。 拡散強化ベイズ逆推定フレームワークであるRadioDiff-Inverseを提案する。
  論文  参考訳（メタデータ） (2025-04-19T13:49:59Z)

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。