論文の概要: FSTC-Encoder: Feature--Spatial--Temporal Correlation Learning for Generalizable RF Sensing
- arxiv url: http://arxiv.org/abs/2608.08439v1
- Date: Sun, 09 Aug 2026 03:10:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.825959
- Title: FSTC-Encoder: Feature--Spatial--Temporal Correlation Learning for Generalizable RF Sensing
- Title（参考訳）: FSTCエンコーダ:一般化可能なRFセンシングのための時空間相関学習
- Abstract要約: 特徴,空間,時間的相関モデリングによる異種RF表現学習を統一するFSTCエンコーダを提案する。
Widar3.0、CSI-Bench、XRF55の他、FSTC-Encoderは92.15%の精度を実現している。
- 参考スコア（独自算出の注目度）: 7.448243106028225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heterogeneous RF sensing differs substantially in feature structure, spatial layout, and temporal scale, making existing models difficult to reuse across devices, environments, and RF modalities. We propose FSTC-Encoder, which unifies heterogeneous RF representation learning through feature, spatial, and temporal correlation modeling. Structure-aware feature encoding accommodates different signal structures, set-based spatial encoding aggregates variable observations, and hierarchical temporal encoding jointly captures local variations and long-range dependencies. Across sensing tasks and modalities, FSTC-Encoder retains the same spatial--temporal backbone architecture while varying only the feature configuration and task head. Across Widar3.0, CSI-Bench, and XRF55, FSTC-Encoder achieves 92.15% mean Accuracy under multi-factor cross-domain protocols, ranks first on three of four additional sensing tasks, remains consistently strong across WiFi, millimeter-wave radar, and RFID, and reduces the cross-modality performance gap from 18.85% to 12.93% through cross-RF learning. These results demonstrate that FSTC-Encoder achieves high domain robustness, task generality, and modality extensibility.
- Abstract（参考訳）: 不均質なRFセンシングは、特徴構造、空間的レイアウト、時間的スケールで大きく異なるため、既存のモデルはデバイス、環境、RFモダリティ間で再利用が困難である。
特徴,空間,時間的相関モデリングによる異種RF表現学習を統一するFSTCエンコーダを提案する。
構造認識型符号化は、異なる信号構造に対応し、セットベースの空間符号化は可変観測を集約し、階層的時間符号化は局所的な変動と長距離依存を共同でキャプチャする。
FSTC-Encoderは、検出タスクとモダリティ全体にわたって、機能構成とタスクヘッドだけを変更しながら、同じ時空間バックボーンアーキテクチャを保持する。
Widar3.0、CSI-Bench、XRF55にまたがって、FSTC-Encoderは、多要素クロスドメインプロトコルにおける平均精度92.15%を達成し、4つの追加のセンシングタスクのうち3つのうち1つにランクインし、WiFi、ミリ波レーダー、RFIDで一貫して強固であり、クロスモード性能のギャップを18.85%から12.93%に減らしている。
これらの結果から,FSTCエンコーダは高領域の堅牢性,タスクの汎用性,モダリティの拡張性を実現している。
関連論文リスト
- 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) - Statistical Channel Fingerprint Construction for Massive MIMO: A Unified Tensor Learning Framework [51.39651336043647]
チャネル指紋(CF)は、IMO通信システムにおけるチャネル状態情報の取得を容易にする重要な手段であると考えられている。
統計的CSI(sCSI)を各電位で保存する新しいタイプのCFを提案し,これを統計的CF(sCF)と呼ぶ。
論文 参考訳（メタデータ） (2026-04-30T08:28:45Z) - Dynamic High-frequency Convolution for Infrared Small Target Detection [27.117309531414147]
単一フレーム赤外線小目標(SIRST)検出は困難である。
現在の学習ベースの手法はディープネットワークの強力な能力に依存している。
本稿では,識別的モデリングプロセスから動的局所フィルタバンクを生成するための動的高周波畳み込み(DHiF)を提案する。
論文 参考訳（メタデータ） (2026-02-03T01:07:55Z) - DSFC-Net: A Dual-Encoder Spatial and Frequency Co-Awareness Network for Rural Road Extraction [32.51260718935461]
本稿では,空間および周波数領域情報を融合するデュアルエンコーダフレームワークDSFC-Netを提案する。
CFIAモジュールはラプラシアピラミッド戦略を通じて、高周波数と低周波の情報を明示的に分離する。
WHU-RuR+、DeepGlobe、およびマサチューセッツのデータセットの実験は、最先端のアプローチよりもDSFC-Netの方が優れていることを検証した。
論文 参考訳（メタデータ） (2026-02-01T15:23:42Z) - 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) - SFFR: Spatial-Frequency Feature Reconstruction for Multispectral Aerial Object Detection [12.521255528136278]
本研究では,新しい空間周波数特徴再構成法 (SFFR) を提案する。
特徴融合の前に空間領域と周波数領域の相補表現を再構成する。
提案するFCEKANモジュールとMSGKANモジュールは相補的であり,それぞれの周波数と空間的意味的特徴を効果的に捉えることができることを示す。
論文 参考訳（メタデータ） (2025-11-09T09:34:10Z) - A Cross-Hierarchical Multi-Feature Fusion Network Based on Multiscale Encoder-Decoder for Hyperspectral Change Detection [3.5421087596321352]
本稿では,マルチスケールエンコーダデコーダアーキテクチャに基づく階層型多機能核融合ネットワーク(CHMFFN)を提案する。
4つの公開ハイパースペクトルデータセットの実験では、CHMFFNは最先端の手法よりも優れており、その有効性を検証する。
論文 参考訳（メタデータ） (2025-09-21T09:04:28Z) - Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。
既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。
本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文 参考訳（メタデータ） (2025-08-07T11:14:16Z) - Accelerated Multi-Contrast MRI Reconstruction via Frequency and Spatial Mutual Learning [50.74383395813782]
本稿では,周波数・空間相互学習ネットワーク(FSMNet)を提案する。
提案したFSMNetは, 加速度係数の異なるマルチコントラストMR再構成タスクに対して, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-09-21T12:02:47Z) - Spatio-Temporal Representation Factorization for Video-based Person
Re-Identification [55.01276167336187]
本稿では、re-IDのための時空間表現分解モジュール(STRF)を提案する。
STRFはフレキシブルな新しい計算ユニットであり、re-IDのための既存のほとんどの3D畳み込みニューラルネットワークアーキテクチャと併用することができる。
実験により、STRFは様々なベースラインアーキテクチャの性能を向上し、新しい最先端の成果を示す。
論文 参考訳（メタデータ） (2021-07-25T19:29:37Z)
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。