論文の概要: Scene Reconstruction Using Ubiquitous Wireless Signals via Diffusion Posterior Inference Over physics-Grounded Representations

• arxiv url: http://arxiv.org/abs/2610.22120v1
• Date: Thu, 15 Oct 2026 15:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.180653
• Title: Scene Reconstruction Using Ubiquitous Wireless Signals via Diffusion Posterior Inference Over physics-Grounded Representations
• Title（参考訳）: 物理領域表現上の拡散後推論によるユビキタス無線信号を用いたシーン再構成
• Abstract要約: 基地局と利用者の間のすべてのリンクは、通過する建物によって形作られています。 この問題に対処するための2つの相補的な段階を持つ階層的枠組みを開発する。 伝搬物理を尊重するために事前訓練された無線基礎モデルは、各チャネルの測定を、観察を形作るシーン構造の表現に変換する。
• 参考スコア（独自算出の注目度）: 5.101849923596286
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Knowing the layout of the physical world matters for many applications, yet the sensors we rely on for it (e.g., cameras and LiDAR) can fail in darkness, in adverse weather, or behind walls. Wireless signals do not face these limitations: every link between a base station and a user is shaped by the buildings it passes, reflects from, or is blocked by, leaving information about the surrounding scene embedded in the wireless channel measured at the endpoints. However, mapping channel measurements to the environment is a severely ill-posed problem: a measurement records only the structures that interact with the transmitted electromagnetic waves along its propagation paths, and even these observations can often be explained by multiple plausible scenes. We therefore formulate wireless scene reconstruction as posterior inference and develop a hierarchical framework with two complementary stages to approach this problem. A wireless foundation model, pretrained to respect propagation physics, transforms each channel measurement into a representation of the scene structure that shaped the observation. A diffusion model then jointly integrates representations from multiple measurements to model and sample the posterior over building occupancy, with consensus over samples producing the final reconstruction. We demonstrate that the framework can accurately recover building footprints from wireless channel measurements alone and show that its performance depends critically on both design components: physics-grounded representations expose scene-relevant information, while joint posterior inference coherently integrates complementary observations.
• Abstract（参考訳）: 物理世界のレイアウトを知ることは、多くのアプリケーションにとって重要なことですが、そのセンサー(例えばカメラやLiDAR)は暗闇や悪天候、壁の裏で故障します。 基地局と利用者の間のすべてのリンクは、通過、反射、またはブロックされた建物によって形成され、周囲のシーンに関する情報はエンドポイントで測定された無線チャネルに埋め込まれている。 しかし、伝送された電磁波と伝播経路に沿って相互作用する構造のみを記録し、これらの観測でさえ複数の可視的な場面で説明できる。 そこで我々は,無線シーンの再構築を後部推論として定式化し,この問題に対処するための2つの相補的な段階を持つ階層的枠組みを開発する。 伝搬物理を尊重するために事前訓練された無線基礎モデルは、各チャネルの測定を、観察を形作るシーン構造の表現に変換する。 拡散モデルは、複数の測定値から表現を結合して、建物内での後方の表現をモデル化し、最終再構成を生成するサンプルに関するコンセンサスと組み合わせる。 このフレームワークは, 無線チャネル計測単独で, 建築のフットプリントを正確に復元し, その性能が両設計要素に大きく依存していることを示し, 物理接地表現はシーン関連情報を公開し, 後部推論は相補的な観測を協調的に統合することを示した。

関連論文リスト

• Pumpire: Unified Benchmark for Metric Distance Estimation [54.236396473728696]
  Pumpireは、画像とビデオの両方の3D基礎モデルの計測点対距離推定能力を評価するためのベンチマークである。 代表的な3D基礎モデルの29のベースライン構成について広範な実験を行った。
  論文  参考訳（メタデータ） (2026-10-08T17:55:11Z)
• Resolving Mixed Single-Photon LiDAR Returns for Foreground-View and Hidden Scene Reconstruction [20.39322318360602]
  部分的な透過性スクリーンと保護カバーは、ロボット検査で一般的である。 彼らは、前景の材料と背景のシーンの両方から混合したLiDARリターンを作成します。 単光子ヒストグラムを用いた前景と隠れシーンの再構築のための状態認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-01T07:15:54Z)
• OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
  OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。 射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。 代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
  論文  参考訳（メタデータ） (2026-09-08T19:45:58Z)
• TRACE: Retrospective Streaming Generation of Physical Fields under Sparse Structured Sensing [13.955473574617477]
  構造化されたセンシング下での物理分野のための再生再生フレームワークであるTRACEを提案する。 TRACEは学習された連続座標潜在空間において近似ベイズ推定を行い、スパースオフグリッドの測定を生成潜在証拠に変換する。 能動物質、海洋音速場、超新星シミュレーションの実験は、TRACEがフレームワイド生成法と一致するか、超越していることを示している。
  論文  参考訳（メタデータ） (2026-08-26T12:16:01Z)
• Physically Grounded 3D Generative Reconstruction under Hand Occlusion using Proprioception and Multi-Contact Touch [3.926587614210279]
  そこで本研究では, メカニカル・アモーダル・オブジェクト再構成とポーズ推定のためのマルチモーダル・物理的手法を提案する。 我々は物理的相互作用信号を利用する: プロリオセプションは、ポーズされたハンドジオメトリと、対象表面が横たわらなければならないマルチコンタクトタッチ制約を提供する。
  論文  参考訳（メタデータ） (2026-04-10T08:32:51Z)
• The Bayesian Geometry of Transformer Attention [0.4779196219827507]
  我々は,真の後部が閉じた形で認識され,記憶化が不可能な制御環境を構築する。 小さな変圧器はmbox$10-3$--10-4$ビットの精度でベイズの後部を再現するが、容量整合幾何は桁違いに失敗する。
  論文  参考訳（メタデータ） (2025-12-27T05:28:58Z)
• StereoSpace: Depth-Free Synthesis of Stereo Geometry via End-to-End Diffusion in a Canonical Space [55.40440023281068]
  本稿では,単分子対ステレオ合成のための拡散ベースのフレームワークであるStereoSpaceを紹介する。 標準整定空間と条件付けは、生成元が対応を推測し、非閉塞をエンドツーエンドに埋めるように誘導する。
  論文  参考訳（メタデータ） (2025-12-11T18:59:59Z)
• Physics-Informed Neural Networks for MIMO Beam Map and Environment Reconstruction [67.65578956523403]
  ネットワークインテリジェンスを用いて物理層計測をブリッジするための重要な手法として,チャネル状態情報(CSI)からの幾何学的特徴抽出が出現する。 本稿では, 受信信号強度(RSS)データを3次元環境知識なしで探索し, 放射光マップと環境幾何学を共同構築することを提案する。 反射領域に基づく幾何モデルを含む物理インフォームドディープラーニングフレームワークを提案し, ブロック, 反射, 散乱成分の学習を行った。
  論文  参考訳（メタデータ） (2025-10-24T08:17:14Z)
• SiLVR: Scalable Lidar-Visual Radiance Field Reconstruction with Uncertainty Quantification [0.6445605125467574]
  本稿では,ライダーと視覚データを融合したNeRFを用いた大規模再構成システムを提案する。 我々のシステムはライダーを組み込むために最先端のNeRF表現を採用する。 ライダーデータを追加すると、深さと表面の正規値に強い幾何学的制約が加わる。
  論文  参考訳（メタデータ） (2025-02-04T19:00:49Z)
• Mesh Denoising Transformer [104.5404564075393]
  Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。 SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。 局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。 Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
  論文  参考訳（メタデータ） (2024-05-10T15:27:43Z)
• U-RED: Unsupervised 3D Shape Retrieval and Deformation for Partial Point Clouds [84.32525852378525]
  教師なし形状検索および変形パイプラインであるU-REDを提案する。 任意のオブジェクトの観察を入力として受け取り、通常RGBの画像やスキャンによってキャプチャされ、幾何学的に類似したCADモデルを共同で検索して変形する。 我々は,U-REDが既存の最先端アプローチを47.3%,16.7%,31.6%で上回っていることを示す。
  論文  参考訳（メタデータ） (2023-08-11T20:56:05Z)

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。