論文の概要: AntennaFlow: A Generative Flow Model for Offset Correction in Phaseless Antenna Testing

• arxiv url: http://arxiv.org/abs/2609.16948v1
• Date: Tue, 15 Sep 2026 10:28:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.45831
• Title: AntennaFlow: A Generative Flow Model for Offset Correction in Phaseless Antenna Testing
• Title（参考訳）: AntennaFlow: フェーズレスアンテナテストにおけるオフセット補正のための生成フローモデル
• Abstract要約: 近距離場から遠距離場への変換は、大開口アンテナ試験の中心となる。 既存の方法はこれらの問題に別々に対処し、高密度のフルフィールドデータまたはオフセットベクトルを必要とする。 異なるオフセット下の振幅場は、同じ近接場の座標変換されたビューである。
• 参考スコア（独自算出の注目度）: 4.717048621008282
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Near-field to far-field transformation is central to large-aperture antenna testing, yet two coupled challenges remain: costly phase acquisition at millimeter-wave bands and violations of the centering assumption under offset mounting. Existing methods address these issues separately, requiring either dense full-field data or offset vectors. We tackle both jointly by exploiting a key observation: amplitude fields under different offsets are coordinate-transformed views of the same near field. The challenge is to recover the center-aligned field from offset amplitudes without a phase or offset vector. We propose AntennaFlow, a three-stage framework: a contrastively learned encoder that maps offset views to an offset-invariant embedding, a deterministic flow-matching transport that maps offset amplitudes to center-aligned ones, and the Simplified Extrapolation Technique, whose Green-function Taylor expansion is valid only for centered fields. Experiments show that AntennaFlow enables fast, phaseless, offset-vector-free NF--FF reconstruction from sparse amplitude-only measurements, consistently outperforming existing baselines while preserving physical consistency.
• Abstract（参考訳）: 近距離場から遠距離場への変換は大型アンテナ試験の中心であるが、ミリ波帯におけるコストのかかる位相取得と、オフセット実装時の中心仮定の違反という2つの課題が併存している。 既存の方法はこれらの問題に別々に対処し、高密度のフルフィールドデータかオフセットベクトルを必要とする。 異なるオフセット下の振幅場は、同じ近接場の座標変換されたビューである。 問題は、位相やオフセットベクトルなしでオフセット振幅からセンターアラインフィールドを復元することである。 本稿では,オフセットビューをオフセット不変な埋め込みにマッピングする対照的に学習されたエンコーダであるAntennaFlow,オフセット振幅を中心値にマッピングする決定論的フローマッチングトランスポート,グリーン関数Taylor拡張が中心フィールドにのみ有効であるSimplified Extrapolation Techniqueを提案する。 実験により、AntennaFlowは、低振幅のみの測定から高速で位相のないオフセットベクターフリーなNF--FF再構成を可能にし、物理的整合性を維持しながら、既存のベースラインを一貫して上回ることを示す。

関連論文リスト

• SPDCN: Strip-based Deformable Convolutional Network for Steel Surface Defect Segmentation [8.936780165911612]
  変形性畳み込みネットワーク(SPDCN)のためのストリップベース予測器 textbfFuzzy-enhanced Multi-scale Context Module (FMCM) textbf Direction-Aware Deformable Convolution (ADADC)
  論文  参考訳（メタデータ） (2026-07-23T15:59:10Z)
• FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
  FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。 ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。 ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
  論文  参考訳（メタデータ） (2026-07-13T14:10:01Z)
• Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
  Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。 独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。 Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
  論文  参考訳（メタデータ） (2026-06-11T17:48:38Z)
• Fixed-detector tilt--defocus sensing by upstream source coding in a time-reversed Young interferometer [0.0]
  時間反転型若手干渉計(TRY)の物理的に明示的なセンサ応用を提案する。 このタスクは、コンパクトな光リレー、自由空間リンク、ファイバカップリングステージ、マイクロ光アライメントモジュールに関係している。 有限幅2重スリットフレネルモデルを用いて、傾きやデフォーカスのような位相摂動に対する正確な局所TRY応答関数を導出する。
  論文  参考訳（メタデータ） (2026-05-04T17:46:39Z)
• LO-Free Phase and Amplitude Recovery of an RF Signal with a DC-Stark-Enabled Rydberg Receiver [6.5200876735840865]
  本稿では,Rydberg-atom受信機を用いた単一受信RFフィールドの振幅とキャリア位相を復元するための理論的枠組みを提案する。 鍵となる有効機構は、蒸気セルに印加される静的直流バイアスである。 我々は、明快なRMSE法則を導出し、位相最適および振幅最適のバイアス制御混合角を識別するためにそれらを用いる。
  論文  参考訳（メタデータ） (2026-03-31T17:20:26Z)
• Learning on the Manifold: Unlocking Standard Diffusion Transformers with Representation Encoders [48.68968421120471]
  標準拡散変換器は直接表現に収束しないことを示す。 我々は幾何学的干渉を根本原因とみなす。 我々の手法RJFは、標準のDiT-Bアーキテクチャを効果的に収束させ、3.37のFIDを実現する。
  論文  参考訳（メタデータ） (2026-02-10T18:58:04Z)
• Voronoi-Assisted Diffusion for Computing Unsigned Distance Fields from Unoriented Points [59.493891955043914]
  Voronoi-Assisted Diffusion (VAD) は、Unsigned Distance Fields (UDF) を計算するための軽量でネットワークフリーな方法である。 VADは水密面と開面を強く扱い、複雑な非多様体と非配向幾何学も扱う。
  論文  参考訳（メタデータ） (2025-10-14T13:49:53Z)
• Rectified-CFG++ for Flow Based Models [26.896426878221718]
  本稿では,修正フローの決定論的効率を幾何学的条件付きルールと組み合わせた適応型予測器・補正器ガイダンスであるRectified-C++を提案する。 大規模なテキスト・ツー・イメージモデル(Flux, Stable Diffusion 3/3.5, Lumina)の実験では、Rectified-C++がベンチマークデータセットの標準CFGを一貫して上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T00:00:47Z)
• Voxel Transformer for 3D Object Detection [133.34678177431914]
  Voxel Transformer(ヴォクセルトランスフォーマー、VoTr)は、点雲から3Dオブジェクトを検出するための、新鮮で効果的なボクセルベースのトランスフォーマーバックボーンである。 提案するVoTrは、KITTIデータセットとOpenデータセットの計算効率を維持しながら、畳み込みベースラインよりも一貫した改善を示す。
  論文  参考訳（メタデータ） (2021-09-06T14:10:22Z)
• Align Deep Features for Oriented Object Detection [40.28244152216309]
  本稿では、FAM(Feature Alignment Module)とODM(Oriented Detection Module)の2つのモジュールからなる単発アライメントネットワーク(S$2$A-Net)を提案する。 FAMは、アンカー・リファインメント・ネットワークで高品質なアンカーを生成し、アンカーボックスに応じた畳み込み特徴と、新しいアライメント・コンボリューション・コンボリューションとを適応的に調整することができる。 ODMは、まず、向き情報を符号化するためにアクティブな回転フィルタを採用し、次に、分類スコアとローカライゼーション精度の不整合を軽減するために、向きに敏感で方向不変な特徴を生成する。
  論文  参考訳（メタデータ） (2020-08-21T09:55:13Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。