論文の概要: KODAMA: Multimodal Digital Twin Reconstruction for Urban RF Propagation Modelling

• arxiv url: http://arxiv.org/abs/2609.07298v2
• Date: Wed, 09 Sep 2026 13:32:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.407166
• Title: KODAMA: Multimodal Digital Twin Reconstruction for Urban RF Propagation Modelling
• Title（参考訳）: 都市RF伝搬モデルのためのマルチモーダルディジタル双極子再構成
• Abstract要約: Kodamaは、市販の地理空間データだけで都市規模でレイトレーシング対応RFDTを再構築する自動パイプラインである。 ポイント・ツー・ポイントの誤差を、自動ベースライン上で最大5.35dB削減し、測定校正された手作りRFDTの0.22dB以内となる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D reconstruction typically strives for geometric fidelity or visual plausibility. Radio frequency digital twins (RFDT) are instead judged by whether communication channels behave in them as they do in the real world. RFDTs promise site-specific channel prediction but current practice forces a choice between coarse automated scenes and hand-built, measurement-calibrated models that take weeks to construct per-site. We present KODAMA, an automated pipeline that reconstructs ray tracing-ready RFDTs at city scale from off-the-shelf geospatial data alone: aerial imagery, LiDAR, and photogrammetry yield terrain and watertight building meshes, while exposure-weighted multi-view fusion of street-level imagery recovers façade relief, electromagnetic materials, and clutter---all without site visits or calibration. Across three sites spanning 3.6 to 28 GHz, KODAMA's uncalibrated predictions achieve single-digit RMSE, reducing point-to-point error by up to 5.35 dB over automated baselines and coming within 0.22 dB of a measurement-calibrated, hand-built RFDT.
• Abstract（参考訳）: 3D再構成は通常、幾何学的忠実さや視覚的可視性のために努力する。 RFDT (Radio frequency digital twins) は、実世界の通信路が実際の通信路のように振る舞うかどうかによって判断される。 RFDTはサイト固有のチャネル予測を約束するが、現在のプラクティスは、粗い自動化シーンと、サイトごとの構築に数週間を要する手作りの計測校正モデルの選択を強制する。 地上画像,LiDAR,および光線量測定によって地形や水密な建物メッシュが生成され,露光重み付けされた街路レベルの画像の多視点融合は,現場訪問や校正なしにファサードレリーフ,電磁材料,散在物を回収する。 3.6GHzから28GHzの3つのサイトにおいて、KoDAMAの未校正予測は1桁のRMSEを実現し、自動ベースライン上でのポイント・ツー・ポイント誤差を最大5.35dB削減し、測定校正された手作りRFDTの0.22dB以内となる。

関連論文リスト

• Tri-Band Channel Measurement-Enabled Multi-Layer Digital Twin for Terahertz Wireless Data Centers [8.64491319649777]
  ディジタルツイン(DT)は、効率的な無線計画とリアルタイム最適化を可能にする。 THz無線データセンターにおける測定駆動型多層DTフレームワークを提案する。 提案したAIツインは、そのツインから位置依存チャネル統計を学習し、受信電力とLoS確率のリアルタイム予測を可能にする。
  論文  参考訳（メタデータ） (2026-09-01T17:01:38Z)
• 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)
• BALTIC: A Benchmark and Cross-Domain Strategy for 3D Reconstruction Across Air and Underwater Domains Under Varying Illumination [6.8920172327690175]
  BALTIC(Baltic, BALTIC, BALTIC)は, 近代的な3次元再構成手法を中・光の変動下で評価するためのベンチマークである。 このベンチマークは、2つのメディア(空気と水)と3つの照明条件(周囲、人工、混合)にまたがる13のデータセットで構成されている。 類似の照明条件下で観測された少数の水中ビューで水中画像列を増大させることにより、ドメイン間再構築を検討する。
  論文  参考訳（メタデータ） (2026-04-21T06:32:07Z)
• Learned Elevation Models as a Lightweight Alternative to LiDAR for Radio Environment Map Estimation [4.489167091323233]
  推論時に3次元データを必要としない2段階のフレームワークを提案する。 既存のCNNベースのREM推定アーキテクチャでは、画像のみのベースラインよりもRMSEを最大7.8%改善する。
  論文  参考訳（メタデータ） (2026-04-07T07:18:53Z)
• Taming Vision Priors for Data Efficient mmWave Channel Modeling [17.020987773588907]
  微分可能なレイトレーシングは、ミリ波伝搬(mmWave)をモデル化するための物理地上ソリューションを提供する。 微分可能な光線トレーシングは物理地上のソリューションを提供するが、網羅的なチャネル測定への過度な依存のため、まだ展開上の課題に直面している。 我々は、視覚由来の素材と異なる光線トレーシングを統合する、スケーラブルでデータ効率のよいデジタルツインフレームワークであるVisRFTwinを提案する。
  論文  参考訳（メタデータ） (2026-03-11T04:35:51Z)
• RadioGen3D: 3D Radio Map Generation via Adversarial Learning on Large-Scale Synthetic Data [62.63849426834315]
  将来の6Gおよび低高度ネットワークにおける効率的な無線資源管理には,無線地図が不可欠である。 ディープ・ラーニング(DL)技術は、無線地図推定における従来のレイトレーシングに代わる効果的な代替手段として登場した。 提案するRadioGen3Dフレームワークは,本質的な3次元信号伝搬特性とアンテナ偏光効果を捉える。
  論文  参考訳（メタデータ） (2026-02-21T07:50:05Z)
• Photon Splatting: A Physics-Guided Neural Surrogate for Real-Time Wireless Channel Prediction [2.7481353610175474]
  本稿では,複雑な環境下でのリアルタイム無線チャネル予測のための物理誘導型ニューラルサロゲートモデルであるPhoton Splattingを提案する。 そこで本研究では,標準的な3Dシーンから,1000台の受信機を備えた複雑な屋内カフェまで,一連の実験を通じて,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2025-07-07T01:18:43Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• Clean-NeRF: Reformulating NeRF to account for View-Dependent Observations [67.54358911994967]
  本稿では,複雑なシーンにおける3次元再構成と新しいビューレンダリングのためのクリーンネRFを提案する。 clean-NeRFはプラグインとして実装することができ、既存のNeRFベースのメソッドを追加入力なしですぐに利用することができる。
  論文  参考訳（メタデータ） (2023-03-26T12:24:31Z)
• CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural Representations [77.90883737693325]
  本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。 これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。 さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
  論文  参考訳（メタデータ） (2022-09-02T17:44:50Z)
• Mega-NeRF: Scalable Construction of Large-Scale NeRFs for Virtual Fly-Throughs [54.41204057689033]
  我々は、ニューラルネットワーク(NeRF)を活用して、建物にまたがる大規模な視覚的キャプチャーや、主にドローンデータから収集された複数の都市ブロックからインタラクティブな3D環境を構築する方法について検討する。 NeRFが伝統的に評価されている単一のオブジェクトシーンとは対照的に、この設定には複数の課題がある。 我々は、訓練画像(またはむしろピクセル)を、並列で訓練できる異なるNeRFサブモジュールに分割する単純なクラスタリングアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2021-12-20T17:40:48Z)

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。