論文の概要: Instruction-Conditioned Electromagnetic Spectrum Understanding via Budget-Adaptive Signal Tokenization
- arxiv url: http://arxiv.org/abs/2610.12142v1
- Date: Thu, 08 Oct 2026 15:28:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.117741
- Title: Instruction-Conditioned Electromagnetic Spectrum Understanding via Budget-Adaptive Signal Tokenization
- Title（参考訳）: 予算適応型信号トークン化による電磁スペクトル理解の指導
- Abstract要約: textbfBATokは、視覚言語モデルのための予算適応型信号トークンである。
BATokは効率的な信号表現を学び、全てのタスクで競合性能を達成する。
- 参考スコア（独自算出の注目度）: 23.692040850370574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electromagnetic spectrum monitoring increasingly requires flexible analysis beyond task-specific recognition and detection. Multimodal large language models offer a unified interface, but extending vision-language models (VLMs) to raw I/Q signals requires tokenization that balances fidelity against a strict budget. For signals, dense encoding causes token costs to grow with observation length, whereas fixed-resolution compression may discard short-duration or localized signal evidence. Thus, we propose \textbf{BATok}, a budget-adaptive signal tokenizer that adjusts token capacity to the input length while allocating that capacity according to the signal content. BATok constructs candidate representations from signal-derived features using lightweight multi-resolution branches, then combines a local energy prior with learnable queries to resample these representations into compact signal tokens. The number of tokens adapts to the input length while remaining strictly bounded. The resulting tokens are projected into the language embedding space of VLMs. We further introduce \textbf{EMSpec-Instruct}, a multimodal instruction dataset aligning raw I/Q signals, waterfall images, and language supervision for modulation recognition, structured detection, and language-conditioned signal grounding. Experiments show that BATok learns effective signal representations and achieves competitive performance across all tasks.
- Abstract（参考訳）: 電磁スペクトルモニタリングは、タスク固有の認識と検出以上の柔軟な分析を必要とする。
マルチモーダルな大規模言語モデルは統一インターフェースを提供するが、視覚言語モデル(VLM)を生のI/Q信号に拡張するには、厳格な予算に対して忠実さをバランスさせるトークン化が必要である。
信号に対して、密度の高い符号化はトークンのコストを観測時間とともに増大させるが、固定解像度圧縮は短調や局所的な信号証拠を捨てることがある。
そこで本稿では,トークンの容量を入力長に調整し,その容量を信号内容に応じて割り当てる,予算適応型信号トークンライザである「textbf{BATok}」を提案する。
BATokは、軽量なマルチレゾリューションブランチを使用して信号由来の機能から候補表現を構築し、学習可能なクエリに先立って局所エネルギーを結合して、これらの表現をコンパクトな信号トークンに再サンプリングする。
トークンの数は、厳密に拘束されたまま、入力長に適応する。
結果として得られるトークンは、VLMの言語埋め込み空間に投影される。
さらに、生のI/Q信号、ウォーターフォール画像、および変調認識、構造化検出、言語条件付き信号グラウンドニングのための言語監督を調整したマルチモーダルな命令データセットである「textbf{EMSpec-Instruct}」についても紹介する。
実験により、BATokは効率的な信号表現を学習し、全てのタスクで競合性能を達成することが示された。
関連論文リスト
- Weak Ties, Strong Signals: Efficient Training Data Detection in Diffusion LLMs via Independent Token Sampling [44.92427120981933]
拡散大言語モデル(dLLM)は自己回帰モデルに代わる魅力的な選択肢を提供する。
聴覚訓練の際には、敏感な訓練データを公開することもある。
既存の方法は、抽出可能なトークンワイド検出信号を得るためにランダムマスキングに依存している。
論文 参考訳（メタデータ） (2026-08-26T04:07:52Z) - UniProbe: A Learnable Token-Level Hallucination Detector for Large VLMs using Multi-Structural Internal Representations [61.85916280854257]
LVLM(Large Vision-Language Models)は印象的な視覚的推論と対話機能を実現するが、視覚入力によるコンテンツサポートを幻覚させることが多い。
textbfUniProbeは軽量で統一された学習可能な検出器で、凍ったLVLMの不均一な計算トレースを1つの前方パスからモデル化する。
論文 参考訳（メタデータ） (2026-08-11T12:01:59Z) - A Graph Signal Processing Perspective on Numerical Sequence Representations in LLM In-Context Learning [9.5086739234825]
大規模言語モデル(LLM)における数値情報の体系化について述べる。
我々は、注目がトークン上の重み付きグラフを誘導するグラフ信号処理の観点を採用し、トークン隠蔽状態はそのノード上の信号を定義する。
より単純な入力は、より強いグローバル接続とより滑らかなスペクトル集中型隠れ状態信号を持つ注意誘発トークングラフを生成する一方、より複雑な入力はより局所化されたグラフとより広いスペクトル支持とより大きな高周波エネルギーを持つ隠れ状態信号を生成する。
論文 参考訳（メタデータ） (2026-08-04T01:54:04Z) - LoRM: Learning the Language of Rotating Machinery for Self-Supervised Condition Monitoring [12.398417548022879]
回転機械信号理解とリアルタイム状態監視のための自己教師型フレームワークであるLORMを提案する。
局所的な信号は離散的な記号単位にトークン化することができ、その将来の進化は観測されたマルチセンサーのコンテキストから予測できる。
In-situツール条件モニタリング実験は、安定したリアルタイムトラッキングと強力なクロスツール一般化を実証する。
論文 参考訳（メタデータ） (2026-04-07T13:25:20Z) - Masked Symbol Modeling for Demodulation of Oversampled Baseband Communication Signals in Impulsive Noise-Dominated Channels [0.22399170518036918]
本稿では,物理波形における文脈の概念について述べる。
変換器の双方向表現にインスパイアされた物理層のためのフレームワークであるMasked Symbol Modeling (MSM)を提案する。
本結果は,単に通信信号を検出するのではなく,解釈する受信者への経路を示唆する。
論文 参考訳（メタデータ） (2025-12-01T09:09:28Z) - Signs as Tokens: A Retrieval-Enhanced Multilingual Sign Language Generator [55.94334001112357]
テキスト入力から3Dサインアバターを自動回帰的に生成できる多言語手話モデルSigns as Tokens(SOKE)を導入する。
単語レベルの正確な記号を提供するために,外部記号辞書を組み込んだ検索強化SLG手法を提案する。
論文 参考訳（メタデータ） (2024-11-26T18:28:09Z) - ForgeryGPT: Multimodal Large Language Model For Explainable Image Forgery Detection and Localization [49.12958154544838]
ForgeryGPTはImage Forgery DetectionとLocalizationタスクを進化させる新しいフレームワークである。
多様な言語的特徴空間からの偽画像の高次相関をキャプチャする。
新たにカスタマイズされたLarge Language Model (LLM)アーキテクチャを通じて、説明可能な生成と対話を可能にする。
論文 参考訳（メタデータ） (2024-10-14T07:56:51Z) - Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。
本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。
我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
論文 参考訳（メタデータ） (2023-10-09T11:26:58Z)
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。