論文の概要: R1A-PC: Physics-Guided Electromagnetic Inversion of Three-Dimensional Human Point Clouds in Complex Static Environments

• arxiv url: http://arxiv.org/abs/2610.05144v1
• Date: Sun, 04 Oct 2026 11:45:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 23:06:02.497268
• Title: R1A-PC: Physics-Guided Electromagnetic Inversion of Three-Dimensional Human Point Clouds in Complex Static Environments
• Title（参考訳）: R1A-PC:複素静的環境における3次元人点雲の物理誘導電磁反転
• Abstract要約: R1A-PC(R1A-PC)は、2048点のヒトの雲を、ターゲットと無関係に測定された2つの複素場から再構成する手法である。 周波数バランスの離散ボルン随伴は三次元空間知識マップを生成する。 本研究では, 対サブトラクションの残差, 生の随伴体の重み付き正規演算構造, 予測された雲の実行可能な集合を解析した。
• 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: Recovering three-dimensional human geometry from electromagnetic measure?ments in a complex static environment is difficult because strong multipath responses from walls, floors, and other objects obscure the weak target per?turbation. We propose R1A-PC, a physics-guided method that reconstructs a 2048-point human cloud from paired complex fields measured with and without the target. Complex background subtraction emphasizes target-induced ampli?tude and phase changes, while the background field remains available as an environmental condition. A frequency-balanced discrete Born adjoint produces a three-dimensional spatial knowledge map. At each of two bounded deformation stages, the decoder combines complex measurement features, background fea?tures, and multiscale physical features queried at the current point coordinates; the second stage queries again after the first coordinate update. We analyze the residual of paired subtraction, the weighted normal-operator structure of the raw adjoint, and the feasible set of the predicted cloud. In a held-out background generated by full-wave simulation under a fixed acquisition geometry, R1A-PC obtains a squared Chamfer distance of 0.001434 m2 and an F-score of 0.963080 at 0.05 m. Compared with TopNet, the Chamfer distance decreases by 70.28%. Removing physical guidance or background subtraction increases the Chamfer distance by 242.06% or 241.18%, respectively. Experiments across background layouts and poses support the complementary roles of paired subtraction and position-dependent adjoint features.
• Abstract（参考訳）: 電磁測度から3次元人間の幾何を復元する? 壁や床、その他のオブジェクトからの強いマルチパス応答が、ターゲットの弱さを隠蔽しているため、複雑な静的環境でのmentは難しいですか? ターベーション 本稿では,R1A-PCを提案する。R1A-PCは,2048点の人体雲を対象と無関係に測定した2つの複素場から再構成する物理誘導方式である。 複雑な背景抽出は標的誘発増幅を強調するか? チュードとフェーズは変わります 背景は環境条件として利用できます 周波数バランスの離散ボルン随伴は三次元空間知識マップを生成する。 2つの有界変形段階のそれぞれにおいて、デコーダは複雑な測定特徴、バックグラウンドフェーザを結合する。 チャーターと、現在の点座標でクエリされたマルチスケール物理機能。第2ステージは、最初の座標更新後に再度クエリされる。 本研究では, 対サブトラクションの残差, 生の随伴体の重み付き正規演算構造, 予測された雲の実行可能な集合を解析した。 固定取得幾何の下でフルウェーブシミュレーションによって生成されるホールドアウト背景において、R1A-PCは正方形のチャンファー距離 0.001434 m2、Fスコア 0.963080 を 0.05 m とする。 TopNetと比較すると、Chamfer距離は70.28%減少している。 物理的ガイダンスやバックグラウンドの減算はチャムファー距離をそれぞれ242.06%または241.18%増加させる。 背景レイアウトの実験とポーズは、ペア化サブトラクションと位置依存の随伴特徴の相補的な役割をサポートする。

関連論文リスト

• Physics-Augmented Graph Transformers for Patch-Antenna Forward and Inverse Design [41.99844472131922]
  本稿では,不規則な表面メッシュ上での信号再構成として放射パターン予測を扱う物理拡張グラフ学習フレームワークを提案する。 前方問題として、GPSグラフトランスフォーマーは、補助ノードレベルの目的であるPhysical-Augmented Intermediate Supervision (PAIS)を用いて訓練される。 逆設計では、代理フィルタ拡散が最寄りのMSEに対して32%の相対的MSEを上回ります。
  論文  参考訳（メタデータ） (2026-10-04T06:57:03Z)
• 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)
• Quadrature-Aware Complex-Linear Neural Operator for Boundary-to-Field Prediction in Resonant Acoustics [0.0]
  この研究は、振動面上の複素正規速度を受信位置の複素圧力にマッピングする二次認識複素線型境界作用素(CLBO)を導入している。 モデルが学習したソース基底と受信基底は、明示的な複素曲面四面体収縮によって機能する。 その結果, 複素線型境界-場構造を強制することで, 分散音響励起下での物理的整合性と一般化が向上することがわかった。
  論文  参考訳（メタデータ） (2026-07-05T16:58:37Z)
• Multi-Modal Conditioned High-Resolution Transformer for Urban Electromagnetic Field Map Prediction Download PDF [3.3172899945646965]
  都市環境における電磁界強度の予測はセルネットワーク計画に不可欠である。 建築レイアウト画像とアンテナ構成から500のEMFマップを生成する多条件高密度予測フレームワークを提案する。 我々の最良のモデルは、0.0461のMAE、プレーンなUNetベースラインに対する25.2%の改善、HRFormerのみのベースラインに対する31.8%を達成しています。
  論文  参考訳（メタデータ） (2026-06-26T03:06:23Z)
• From Rubble Simulation to Active Magnetic Mapping: Quantum Sensing for Disaster Response [0.764671395172401]
  既存のセンシングモダリティは、瓦の下の構造に関する部分的な情報のみを提供する。 本稿では,ドローンによる量子磁気計測を相補的モダリティとして提案する。
  論文  参考訳（メタデータ） (2026-06-24T15:29:26Z)
• Cross-Modal Hierarchical Fusion for from Multi-Sensor Ground Observation [2.538209532048867]
  AtmoFuseNetは、マルチビューのスカイカメラ画像をミリ波の雲のレーダーと加速度計の観測で融合し、雲の状態と風の4D推定を生成するフレームワークである。 半乾燥地からの衝突観測では、AtmoFuseNetは0.026 g m-3 の液体水量 MAE と 1.18 ms-1 の風速 MAE に達する。
  論文  参考訳（メタデータ） (2026-05-31T14:17:43Z)
• SpatialActor: Exploring Disentangled Spatial Representations for Robust Robotic Manipulation [63.48859753472547]
  SpaceActorは、意味論と幾何学を明確に分離する堅牢なロボット操作のためのフレームワークである。 RLBenchの87.4%で最先端のパフォーマンスを達成し、ノイズの異なる条件下では13.9%から19.4%改善している。
  論文  参考訳（メタデータ） (2025-11-12T18:59:08Z)
• SGFormer: Spherical Geometry Transformer for 360 Depth Estimation [52.23806040289676]
  パノラマ歪みは360度深度推定において大きな課題となる。 本稿では,SGFormer という球面形状変換器を提案し,上記の問題に対処する。 また、様々な解像度で空間構造を補うために、クエリベースの大域的条件位置埋め込みを提案する。
  論文  参考訳（メタデータ） (2024-04-23T12:36:24Z)

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。