論文の概要: FreqPKC: Frequency-Aware PeakConv for Radar Semantic Segmentation
- arxiv url: http://arxiv.org/abs/2610.33504v1
- Date: Sat, 24 Oct 2026 07:22:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.347303
- Title: FreqPKC: Frequency-Aware PeakConv for Radar Semantic Segmentation
- Title（参考訳）: FreqPKC:Radar Semantic Segmentationのための周波数対応PeakConv
- Abstract要約: 本稿では,周波数対応PeakConv(FreqPKC)を提案する。
FreqPKCにより、ネットワークは幅広い周波数成分を捕捉し、有効帯域幅を適応的に調整することができる。
さらに、周波数誘導適応変調とクロスビュー融合を統合したレーダセマンティックセグメンテーション(RSS)フレームワークであるFreqPKC-Netを開発した。
- 参考スコア（独自算出の注目度）: 14.016459681055807
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automotive millimeter-wave (mmWave) radar has attracted increasing attention for semantic segmentation in autonomous driving, owing to its robustness under adverse weather and lighting conditions. Recent works have introduced radar-specific neural operators such as PeakConv (PKC), inspired by constant false alarm rate (CFAR) detection, to better model the peak-dominated characteristics of radar images. However, existing methods typically treat the guard bandwidth as learnable parameters, without explicitly characterizing the frequency response of the PKC operator. In this work, we revisit PKC from a frequency-domain perspective and propose Frequency-Aware PeakConv (FreqPKC), which explicitly models and exploits its underlying spectral characteristics. By analyzing the frequency response of PKC, FreqPKC enables the network to capture a broader range of frequency components and adaptively adjust its effective bandwidth. With the proposed Frequency-Aware (FA) module, the network can infer appropriate guard bandwidths to balance high- and low-frequency information: it enhances high-frequency components in target regions for more precise segmentation while suppressing noise through low-frequency filtering in background areas. Building on FreqPKC, we further develop FreqPKC-Net, a radar semantic segmentation (RSS) framework that integrates frequency-guided adaptive modulation with cross-view fusion for multi-view inputs, and can also be adapted to single-view data. Experiments on the public datasets CARRADA, CARRADA-RAC, and a self-built dataset named RS-SAR demonstrate that FreqPKC-Net consistently outperforms existing SoTA methods on both range-Doppler and range-angle views.
- Abstract（参考訳）: 自動車ミリ波レーダーは、悪天候や照明条件下での頑丈さから、自律運転におけるセマンティックセグメンテーションの注目を集めている。
近年の研究では、レーダー画像のピーク支配特性をより良くモデル化するために、一定の偽アラームレート(CFAR)検出にインスパイアされたPeakConv(PKC)のようなレーダー固有のニューラル演算子が導入されている。
しかし、既存の手法では、PKC演算子の周波数応答を明示的に特徴づけることなく、ガード帯域幅を学習可能なパラメータとして扱うのが一般的である。
本研究では、周波数領域の観点からPKCを再検討し、その基礎となるスペクトル特性を明示的にモデル化し、活用する周波数対応ピークコンブ(FreqPKC)を提案する。
PKCの周波数応答を解析することにより、FreqPKCは幅広い周波数成分を捕捉し、有効帯域幅を適応的に調整することができる。
提案する周波数認識(FA)モジュールにより、高周波数情報と低周波数情報のバランスをとるために適切なガード帯域を推定できる。
FreqPKC上に構築されたFreqPKC-Netは、周波数誘導適応変調とクロスビュー融合を統合したレーダーセマンティックセグメンテーション(RSS)フレームワークであり、シングルビューデータにも適用可能である。
公開データセットであるCARRADA、CARRADA-RAC、RS-SARと呼ばれる自作データセットの実験は、FreqPKC-Netが、レンジドップラーとレンジアングルの両方のビューで既存のSoTAメソッドを一貫して上回っていることを示した。
関連論文リスト
- FoCal: Frequency-Oriented Cross-Modal Interaction and Spectral Calibration for Aerial Visible-Infrared Object Detection [15.565710839056566]
本稿では,空中RGB-IR物体検出のための周波数指向フレームワークFoCalを提案する。
DroneVehicle, ESCVehicle, ATR-UMODの実験はFoCalの有効性を示した。
FoCalは113.6 FPSを達成し、先行検出精度を維持し、良好な精度-効率トレードオフを強調している。
論文 参考訳（メタデータ） (2026-09-24T07:02:14Z) - HFEMCNet: A Compact Hybrid Frequency Enriched Multi Channel Network for Automatic Modulation Classification [1.4610038284393168]
HFNetは、依存関係と周波数領域情報を利用する、新しいハイブリッド強化マルチチャネルネットワークである。
HFEMCNetは、分類精度において、現代の三項DLモデルよりも大幅に優れている。
その結果, ハイブリットアーキテクチャと周波数領域のリッチ化を併用して, 堅牢かつ効率的なAMCを実現する効果が示された。
論文 参考訳（メタデータ） (2026-08-25T11:23:19Z) - Frequency-domain Event-based Imaging for Selective Surveillance [0.0]
本稿では、ニューロモルフィック処理フレームワークであるイベント空間の周波数レート情報(FRIES)を紹介する。
FRIESは回転回転や機械振動などの事象の周期性を検出し、人工物体の識別と監視を行う。
予備的な結果は、ニューロモルフィックパイプラインにおける選択的監視のための有望なフロントエンドとして周波数領域イベント処理を確立する。
論文 参考訳（メタデータ） (2026-05-14T20:25:51Z) - FreqTrack: Frequency Learning based Vision Transformer for RGB-Event Object Tracking [9.837735583393266]
FreqTrackは周波数対応のRGBEトラッキングフレームワークで、周波数領域変換を通じて相補的なモード間相関を確立する。
FreqTrackはCOESOTベンチマークで76.6%の精度を達成し、RGBE追跡における周波数領域モデリングの有効性を検証する。
論文 参考訳（メタデータ） (2026-04-16T01:47:22Z) - Few-Shot Radar Signal Recognition through Self-Supervised Learning and Radio Frequency Domain Adaptation [48.265859815346985]
レーダー信号認識は電子戦(EW)において重要な役割を果たす
近年のディープラーニングの進歩は、レーダー信号認識の改善に大きな可能性を示している。
これらの手法は、注釈付き無線周波数(RF)データが少ない、あるいは入手できないEWシナリオでは不十分である。
論文 参考訳（メタデータ） (2025-01-07T01:35:56Z) - Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-03-12T01:28:00Z) - Deep-Learned Compression for Radio-Frequency Signal Classification [0.49109372384514843]
次世代の細胞概念は、大量の高周波サンプルの処理に依存している。
RF信号の複雑な値のサンプルを圧縮する深層学習圧縮モデルHQARFを提案する。
RF信号の変調クラスを推定するために訓練されたAIモデルの性能に対するHQARFの効果を評価する。
論文 参考訳（メタデータ） (2024-03-05T17:42:39Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。
本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。
低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
論文 参考訳（メタデータ） (2021-08-03T12:26:33Z)
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。