論文の概要: Low-Cost Sensor Calibration for Indoor Air Quality Monitoring: A Dataset, Evaluation Scenarios, and a Lightweight Model

• arxiv url: http://arxiv.org/abs/2610.11236v1
• Date: Thu, 08 Oct 2026 04:35:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.806747
• Title: Low-Cost Sensor Calibration for Indoor Air Quality Monitoring: A Dataset, Evaluation Scenarios, and a Lightweight Model
• Title（参考訳）: 室内空気質モニタリングのための低コストセンサキャリブレーション:データセット, 評価シナリオ, 軽量モデル
• Abstract要約: 本稿では,入力-ウィンドウ圧縮と残差時間・特徴融合を組み合わせた軽量時間モデルを提案する。 実験では、エッジ推論コストの低い4つのシナリオで高いキャリブレーション性能を示す。
• 参考スコア（独自算出の注目度）: 6.871654746684928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-cost sensors enable scalable indoor air quality monitoring but require calibration because of nonlinear distortions, noise, and temporal drift. The conventional strict pairwise calibration setting requires a co-located reference sensor at each deployment location and does not account for spatial and temporal heterogeneity. To address these limitations, we introduce a six-month dataset comprising multivariate indoor air-quality measurements from low-cost and reference sensors with contextual metadata collected at five locations. Using this dataset, we define four evaluation scenarios. The reference-efficient and location-transfer scenarios evaluate spatial generalization, whereas the long-term drift and event-conditioned scenarios assess robustness to gradual and abrupt distribution shifts. Based on these scenarios, we derive design requirements and propose a lightweight temporal model that combines input-window compression with residual temporal and feature fusion. Experiments show strong calibration performance across all four scenarios with low edge-inference cost.
• Abstract（参考訳）: 低コストのセンサーは、スケーラブルな屋内空気質の監視を可能にするが、非線形歪み、ノイズ、時間的ドリフトのために校正を必要とする。 従来の厳密なペアワイズ・キャリブレーション・セッティングでは、各配置箇所に共配置された参照センサーが必要であり、空間的および時間的不均一性を考慮しない。 これらの制約に対処するため,低コスト・参照センサによる室内空気質の多変量測定を5か所で収集した6ヶ月のデータセットを導入した。 このデータセットを用いて、評価シナリオを4つ定義する。 参照効率と位置移動のシナリオは空間的一般化を評価するが、長期のドリフトと事象条件のシナリオは段階的および急激な分布シフトに対するロバスト性を評価する。 これらのシナリオに基づいて設計要件を導出し、入力-ウィンドウ圧縮と残留時間・特徴融合を組み合わせた軽量時間モデルを提案する。 実験では、エッジ推論コストの低い4つのシナリオで高いキャリブレーション性能を示す。

関連論文リスト

• Air Quality Downscaling with Station-Guided Pseudo-Supervision [60.31045749983062]
  局所PM$_2.5$変動に対する高分解性粗大大気場は空間的支持のミスマッチによって一意に挑戦される。 ヨーロッパにおける高分解能PM$_2.5$ダウンスケールのためのステーション誘導フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T16:32:25Z)
• Mind the Hitch: Dynamic Calibration and Articulated Perception for Autonomous Trucks [7.0536813329377]
  dCAPは、トラクタとトレーラーカメラの間の6自由度(自由度)の相対的なポーズを継続的に推定するビジョンベースのフレームワークである。 BEVFormerと統合されたdCAPは、静的キャリブレーションを動的に予測外在物に置き換えることで、3Dオブジェクトの検出を改善する。 実験では、自律トラックにおける静的キャリブレーションの限界に対処しながら、dCAPが安定かつ正確な知覚を達成することを示した。
  論文  参考訳（メタデータ） (2026-03-24T20:55:16Z)
• Echo State Networks for Time Series Forecasting: Hyperparameter Sweep and Benchmarking [51.56484100374058]
  我々は、完全に自動で純粋にフィードバック駆動のESNが、広く使われている統計的予測手法の代替となるかどうかを評価する。 予測精度は、MASEとsMAPEを用いて測定され、ドリフトや季節予測、統計モデルといった単純なベンチマークと比較される。
  論文  参考訳（メタデータ） (2026-02-03T16:01:22Z)
• Latent-Constrained Conditional VAEs for Augmenting Large-Scale Climate Ensembles [37.13476041166319]
  本研究では,限られた利用可能な実行環境から新しい実現法を生成するための生成的モデリング手法について検討する。 条件付き変分オートエンコーダは, 未確認のアンサンブル部材への一般化に失敗する断片化された潜在空間が得られる。
  論文  参考訳（メタデータ） (2026-01-01T05:23:28Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Reduced Reference Perceptual Quality Model and Application to Rate Control for 3D Point Cloud Compression [61.110938359555895]
  レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。 本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。 400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。 また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-25T12:42:02Z)

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。