論文の概要: DoRF++: Spherical Representation Learning over Doppler Radiance Fields for Robust Wi-Fi Sensing

• arxiv url: http://arxiv.org/abs/2608.08381v1
• Date: Sun, 09 Aug 2026 00:23:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.797543
• Title: DoRF++: Spherical Representation Learning over Doppler Radiance Fields for Robust Wi-Fi Sensing
• Title（参考訳）: DoRF++:ロバストWi-Fiセンシングのためのドップラー放射場上の球表現学習
• Abstract要約: Wi-Fi Channel State Information (CSI) から抽出したドップラー速度予測のドップラー放射場(DoRF)モデル DoRF++は球面変換器をアクティビティ分類に応用した球面学習設計である。 収集したハンドジェスチャデータセットを用いて実験したところ,DoRF++はユーザ間の一般化精度において,最先端のWi-FiベースのHAR法よりも大幅に優れていた。
• 参考スコア（独自算出の注目度）: 20.859205920322676
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Motivated by the IEEE 802.11bf effort to standardize advanced WLAN sensing, interest in Wi-Fi Channel State Information (CSI) for passive, device-free, and privacy-preserving activity and gesture recognition has grown rapidly. Recent studies have shown that Doppler velocity projections extracted from CSI, which directly reflect human-motion velocity, enable more robust human activity recognition (HAR) and stronger generalization across users and unseen conditions. Nevertheless, reliable generalization under real-world variability remains a major challenge, hindering the adoption of Wi-Fi sensing in real-world applications. To address this challenge, we introduce Doppler Radiance Fields (DoRF), bringing the concept of neural radiance fields (NeRF) from computer vision into Wi-Fi sensing. DoRF models Doppler velocity projections extracted from Wi-Fi CSI as sparse and diverse virtual-camera views of human motion. It then infers a latent 3D motion sequence whose projections along learned effective Doppler directions explain the CSI-derived Doppler observations. The recovered motion is subsequently projected onto an equiangular grid of directions on the unit sphere, producing a spherical representation of the underlying motion. Since DoRF naturally defines the Doppler representation on spheres, we further introduce DoRF++, a spherical-learning design that applies spherical Transformers for activity classification. Experiments on our collected hand-gesture dataset show that DoRF++ significantly outperforms state-of-the-art Wi-Fi-based HAR methods in cross-user generalization accuracy, especially for difficult gestures in settings with a single multi-antenna receiver access point (AP).
• Abstract（参考訳）: IEEE 802.11bf による高度な WLAN センシングの標準化、受動的、デバイスフリー、およびプライバシー保護活動のための Wi-Fi Channel State Information (CSI) への関心が急速に高まっている。 近年の研究では、ヒトの運動速度を直接反映するCSIから抽出したドップラー速度予測が、より堅牢なヒト活動認識(HAR)を可能にし、ユーザ間でのより強い一般化を可能にすることが示されている。 それでも、実世界の変動性の下での信頼性の高い一般化は依然として大きな課題であり、実世界のアプリケーションにおけるWi-Fiセンシングの採用を妨げる。 この課題に対処するため,我々はドップラー放射場 (DoRF) を導入し,コンピュータビジョンからのニューラル放射場 (NeRF) の概念をWi-Fiセンシングに導入した。 DoRFモデルは、Wi-Fi CSIから抽出されたドップラー速度予測を、人間の動きのスパースで多様な仮想カメラビューとしてモデル化する。 その後、学習した効果的なドップラー方向に沿って投影された潜在3次元運動シーケンスを推論し、CSI由来ドップラー観測を説明する。 その後、回復した運動は単位球上の方向の等角格子に投影され、基底運動の球面表現が生成される。 球面上のドップラー表現は自然に定義されているため、球面変換器を球面分類に適用した球面学習設計であるDoRF++も導入する。 収集したハンドジェスチャデータセットを用いて実験したところ,DoRF++ はユーザ間の一般化精度において最先端の Wi-Fi ベースの HAR 手法を著しく上回り,特に単一マルチアンテナ受信機アクセスポイント (AP) で設定する際の動作が困難であることがわかった。

関連論文リスト

• WiFi-based Cross-Domain Gesture Recognition Using Attention Mechanism [61.79272554643873]
  本稿では,マルチセマンティックアテンション機構と自己注意に基づくチャネル機構を融合したジェスチャー認識ネットワークを提案する。 その結果、99.72%のドメイン内精度を維持するだけでなく、97.61%のクロスドメイン認識でも高い性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2025-12-04T07:09:13Z)
• Doppler Radiance Field-Guided Antenna Selection for Improved Generalization in Multi-Antenna Wi-Fi-based Human Activity Recognition [20.859205920322676]
  雑音を抑えるためのマルチアンテナAPのための新しいフレームワークを提案し,DoRF整合誤差に基づいて最も情報性の高いアンテナを同定する。 挑戦的な手動ジェスチャー認識データセットの実験結果から,提案したDoRF誘導Wi-FiベースのHARアプローチが一般化能力を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-09-18T16:40:14Z)
• DoRF: Doppler Radiance Fields for Robust Human Activity Recognition Using Wi-Fi [22.285570102169356]
  Wi-Fi Channel State Information (CSI) はリモートセンシングアプリケーションへの関心が高まっている。 近年の研究では、CSIから抽出したドップラー速度予測がヒト活動認識(HAR)を可能にすることが示されている。 本研究では,Wi-Fi CSIから抽出した1次元ドップラー速度予測から情報伝達3次元潜在運動表現を再構成する手法を提案する。
  論文  参考訳（メタデータ） (2025-07-16T11:00:46Z)
• Neuro-Symbolic Fusion of Wi-Fi Sensing Data for Passive Radar with Inter-Modal Knowledge Transfer [10.388561519507471]
  本稿では,Wi-FiセンシングのためのニューロシンボリックアーキテクチャであるDeepProbHARを紹介する。 これは、Wi-Fi信号が脚や腕の動きなどの単純な動きと区別できるという最初の証拠を提供する。 DeepProbHARは、人間の活動認識における最先端技術に匹敵する結果を達成している。
  論文  参考訳（メタデータ） (2024-07-01T08:43:27Z)
• Radar-Based Recognition of Static Hand Gestures in American Sign Language [17.021656590925005]
  本研究では,先進レーダ線トレーシングシミュレータによる合成データの有効性について検討した。 シミュレータは直感的な材料モデルを採用し、データ多様性を導入するように調整することができる。 NNを合成データで専用にトレーニングしているにもかかわらず、実際の測定データでテストを行うと、有望な性能を示す。
  論文  参考訳（メタデータ） (2024-02-20T08:19:30Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• 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)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• PhysFormer: Facial Video-based Physiological Measurement with Temporal Difference Transformer [55.936527926778695]
  近年のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙なrの手がかりのマイニングに重点を置いている。 本稿では,エンドツーエンドのビデオトランスをベースとしたアーキテクチャであるPhysFormerを提案する。
  論文  参考訳（メタデータ） (2021-11-23T18:57:11Z)
• Harvesting Ambient RF for Presence Detection Through Deep Learning [12.535149305258171]
  本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。 WiFi信号を例として,受信機で取得したチャネル状態情報(CSI)が伝搬環境に関する豊富な情報を含んでいることを示す。 畳み込みニューラルネットワーク(CNN)は、大きさと位相情報の両方を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-02-13T20:35:55Z)

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。