Fugu-MT 論文翻訳(概要): Structured Pose-Conditioned Flow Matching for Generative 5G CSI Augmentation

論文の概要: Structured Pose-Conditioned Flow Matching for Generative 5G CSI Augmentation

arxiv url: http://arxiv.org/abs/2609.29912v1
Date: Thu, 24 Sep 2026 14:52:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 21:10:10.029784
Title: Structured Pose-Conditioned Flow Matching for Generative 5G CSI Augmentation
Title（参考訳）: 生成型5G CSI増大のための構造型ポスコンディションフローマッチング
Abstract要約: StructFlow-HPRは、生成的CSI拡張のための構造化されたポーズ条件付きフローマッチングフレームワークである。実世界の5Gセンシングデータを用いた実験では、StructFlow-HPRが現実的なCSI配置のペアを生成できることが示されている。
参考スコア（独自算出の注目度）: 23.54721002158055
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the growing demand for privacy-preserving and occlusion-resilient human pose recognition (HPR), 5G channel state information (CSI) offers a promising contactless sensing modality by integrating communication and sensing capabilities. However, collecting large-scale synchronized CSI-pose pairs remains costly in practical 5G systems. To address this limitation, we propose StructFlow-HPR, a structured pose-conditioned flow matching framework for generative CSI augmentation. StructFlow-HPR learns a continuous latent transport process from Gaussian noise to real CSI representations under pose guidance, while preserving the receiver-frequency topology of CSI through a reconstruction-preserving autoencoder. A pose-conditioned Transformer is further designed to model the latent velocity field and generate pose-aligned CSI samples via ordinary differential equation sampling. Experiments on real-world 5G sensing data show that StructFlow-HPR can produce realistic CSI-pose pairs and improve downstream HPR performance under limited-data conditions.
Abstract（参考訳）: 5Gチャネル状態情報(CSI)は、プライバシー保護と隠蔽耐性の人間ポーズ認識(HPR)の需要が高まっているため、コミュニケーションと知覚機能を統合することで、有望な接触のない知覚モダリティを提供する。しかし,5Gシステムでは大規模同期CSI配置ペアの収集にコストがかかる。この制限に対処するため、生成型CSI拡張のための構造化ポーズ条件付きフローマッチングフレームワークであるStructFlow-HPRを提案する。 StructFlow-HPRは、再構成保存オートエンコーダを用いて、CSIの受信周波数位相を保ちながら、ガウスノイズから実際のCSI表現への連続的な遅延輸送過程を、ポーズガイダンスの下で学習する。さらに、ポーズ条件変換器は、潜時速度場をモデル化し、通常の微分方程式のサンプリングによりポーズ整列CSIサンプルを生成するように設計されている。実世界の5Gセンシングデータを用いた実験により、StructFlow-HPRは現実的なCSI配置のペアを生成し、限られたデータ条件下での下流HPR性能を向上させることができることが示された。

関連論文リスト

Fast Cross-Scenario Adaptation of CSI Models via Channel Conditional Parameter Generation [71.49439535846827]
Conditional Channel Generation (CCPG) は、動的無線環境におけるCSIモデルの迅速な展開のためのエンドツーエンドパイプラインである。 CCPGは、コンポーネント凍結実験を通じてシーンに敏感な適応ボトルネックを特定し、軽量なLoRA重みのみを生成する。 CSIフィードバックとチャネル推定のためのDeepMIMOとWAIR-Dの実験は、CCPGが1回の前進パスで約3秒で新しいシナリオに適応することを示している。
論文参考訳（メタデータ） (2026-06-22T13:20:01Z)
CSI-JEPA: Towards Foundation Representations for Ubiquitous Sensing with Minimal Supervision [6.226207559281459]
ラベル効率・マルチタスクWi-Fiセンシングのための自己教師付き予測表現学習フレームワークであるCSI-JEPAを提案する。 CSI-JEPAは、ラベルのないCSIサンプルから再利用可能な時間スペクトル表現を学習する。我々はCSI-JEPAを、様々な目的や配置設定にまたがる7つの実世界のWi-Fiセンシングタスクで評価する。
論文参考訳（メタデータ） (2026-05-13T22:50:31Z)
GO-GenZip: Goal-Oriented Generative Sampling and Hybrid Compression [50.76941829813458]
現在のネットワークデータテレメトリパイプラインは、複数の分散ソースから中央アグリゲータへの、きめ細かいキーパフォーマンス指標(KPI)の巨大なストリームで構成されている。本研究は、目標指向の観点からネットワークテレメトリを再設計する、ジェネレーティブAI(GenAI)駆動サンプリングとハイブリッド圧縮フレームワークを提案する。
論文参考訳（メタデータ） (2026-03-20T16:33:15Z)
HeterCSI: Channel-Adaptive Heterogeneous CSI Pretraining Framework for Generalized Wireless Foundation Models [24.285127409979342]
HeterCSIは、トレーニング効率を堅牢なクロスシナリオの一般化と整合させる、チャネル適応型事前トレーニングフレームワークである。 HeterCSIはフルショットベースラインよりも平均性能が優れている。最先端のベンチマークWiFoと比較して、NMSEはそれぞれ7.19dB、4.08dB、5.27dBのCSI再構成、時間領域、周波数領域予測を行う。
論文参考訳（メタデータ） (2026-01-26T06:35:48Z)
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)
GNN-Enabled Robust Hybrid Beamforming with Score-Based CSI Generation and Denoising [105.08746566747324]
本稿では,グラフニューラルネットワーク(GNN)とスコアベース生成モデルを用いて,ロバストなハイブリッドビームフォーミング(HBF)タスクを実現することを提案する。我々は、高分解能CSIの分布を学習するために、変換器(BERT)ベースのノイズ条件スコアネットワーク(NCSN)による双方向表現を設計する。最後に,デノナイジングスコアネットワーク(DSN)と,デノナイジングスコアネットワーク(DSN)を任意のチャネルエラーレベル下でデノナイジングできるデノナイジングスコアネットワーク(DeBERT)を提案する。
論文参考訳（メタデータ） (2025-11-10T03:18:34Z)
RT-DETRv4: Painlessly Furthering Real-Time Object Detection with Vision Foundation Models [48.91205564876609]
軽量物体検出器の高効率化を目的とした,コスト効率・高適合性蒸留フレームワークを提案する。当社のアプローチは、さまざまなDETRベースのモデルに対して、目立って一貫したパフォーマンス向上を実現しています。我々の新しいモデルファミリーRT-DETRv4はCOCOの最先端結果を達成し、APスコアは49.7/53.5/55.4/57.0で、対応する速度は273/169/124/78 FPSである。
論文参考訳（メタデータ） (2025-10-29T08:13:17Z)
Green Learning for STAR-RIS mmWave Systems with Implicit CSI [53.03358325565645]
再構成可能なインテリジェントサーフェス (STAR-RIS) 支援ミリ波放送システム (mmWave) を同時に送信し, 反射するグリーンラーニング (GL) ベースのプリコーディングフレームワークを提案する。本研究は,将来の6Gネットワークにおける環境持続可能性を重視し,複数のユーザが同一情報を共有し,スペクトル効率を向上し,冗長伝送と電力消費を低減させるシナリオに,トランスミッションフレームワークを採用する。
論文参考訳（メタデータ） (2025-09-08T15:56:06Z)
Standards-Compliant DM-RS Allocation via Temporal Channel Prediction for Massive MIMO Systems [4.251030047034567]
チャネル予測に基づく参照信号アロケーション(CPRS)の概念を導入する。 CPRSはチャネル予測とDM-RSアロケーションを共同で最適化し、CSIフィードバックを必要とせずにデータスループットを向上させる。ベンチマーク戦略よりも36.60%のスループット向上を実現しています。
論文参考訳（メタデータ） (2025-07-15T07:56:37Z)
CSI-BERT2: A BERT-inspired Framework for Efficient CSI Prediction and Classification in Wireless Communication and Sensing [19.12026243010111]
CSI予測と分類タスクのための統合フレームワークCSI-BERT2を提案する。このフレームワークはBERTに適応し、双方向の自己認識機構を通じてCSI配列間の複雑な関係をキャプチャする。 CSI-BERT2は、すべてのタスクで最先端のパフォーマンスを達成することを実証している。
論文参考訳（メタデータ） (2024-12-09T06:44:04Z)

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。