論文の概要: CSI-TextBench: A Dataset and Benchmark for Language-Grounded Ambient Sensing Perception

• arxiv url: http://arxiv.org/abs/2610.34616v1
• Date: Sun, 25 Oct 2026 22:27:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.647959
• Title: CSI-TextBench: A Dataset and Benchmark for Language-Grounded Ambient Sensing Perception
• Title（参考訳）: CSI-TextBench: 言語中心のアンビエントセンシング知覚のためのデータセットとベンチマーク
• Abstract要約: Ambient WiFi Channel State Information (CSI)は、ユビキタスで常時オンのインフラを通じて、人間の活動と環境動態の屋内コンテキストを受動的にキャプチャする。 視覚やオーディオとは異なり、CSIにはキャプションや文字起こしのような自然にペアリングされたテキストがなく、言語駆動のAIシステムとの統合を制限している。 本稿では,CSIデータを自然言語に整合させる大規模データセットとベンチマークであるCSI-TextBenchを紹介する。
• 参考スコア（独自算出の注目度）: 12.945433133063133
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Indoor context deciphered by ambient sensing underpins many applications, from assisted living to smart buildings, yet remains weakly connected to the language-aligned paradigm of modern multimodal systems. Through billions of IoT devices, ambient WiFi Channel State Information (CSI) captures the indoor context of human activity and environmental dynamics passively via ubiquitous, always-on infrastructure. However, unlike vision or audio, CSI lacks naturally paired text like captions or transcripts, limiting its integration with language-driven AI systems. We present CSI-TextBench, a large-scale dataset and benchmark for aligning CSI data with natural language, unifying 3 sensing benchmarks into 285,790 samples across 7 tasks and pairing them with 2,291 hierarchically structured, label-derived descriptions via many-to-many assignment to construct 2.0 million CSI-text training tuples. Benchmarking 5 alignment methods from 4 paradigm families, we show that contrastive CSI-text alignment matches supervised classifiers without class labels, adapts to unseen classes with few samples, and responds to open-vocabulary natural-language prompts. A single unified model supports compositional scene understanding, answering joint queries over activity, proximity, and identity, achieving 86.9% top-1 accuracy on 140 composite scenes, outperforming task-specific classifier ensembles. CSI-TextBench enables ubiquitous ambient sensing as a language-indexed perception layer, enabling indoor contextual awareness in language-driven AI systems.
• Abstract（参考訳）: 環境感知によって解読される屋内コンテキストは、生活支援からスマートな建物に至るまで、多くの応用を支えているが、現代のマルチモーダルシステムの言語に整合したパラダイムと弱い関係を保っている。 何十億ものIoTデバイスを通じて、環境WiFiチャネル状態情報(CSI)は、ユビキタスで常時オンのインフラストラクチャを通じて、人間の活動と環境ダイナミクスの屋内コンテキストを受動的にキャプチャする。 しかし、視覚やオーディオとは異なり、CSIにはキャプションや文字起こしのような自然にペアリングされたテキストがなく、言語駆動のAIシステムとの統合を制限している。 CSI-TextBenchは、CSIデータを自然言語と整合させる大規模なデータセットとベンチマークで、3つのセンシングベンチマークを7つのタスクにわたる285,790のサンプルに統一し、2,291の階層構造を持つラベル由来記述とペアリングし、CSI-textトレーニングタプルを2,200万のCSI-textトレーニングタプルを構築する。 4つのパラダイムファミリーから5つのアライメント手法をベンチマークした結果,CSI-textアライメントはクラスラベルのない教師付き分類器と一致し,サンプルが少ない未確認クラスに適応し,オープン語彙の自然言語プロンプトに応答することがわかった。 単一の統一されたモデルは、構成的なシーン理解をサポートし、アクティビティ、近接性、アイデンティティに関する共同クエリに応答し、140の複合シーンで86.9%の精度を達成し、タスク固有の分類器のアンサンブルを上回っている。 CSI-TextBenchは、ユビキタス環境感知を言語インデックスの認識層として実現し、言語駆動型AIシステムにおける屋内コンテキスト認識を可能にする。

関連論文リスト

• The Universal Language of CSI:Unifying Wireless Sensing Across Devices and Environments [18.372157907342817]
  Channel State Informationに基づくWiFiセンシングは、ユビキタスでデバイスなしの知覚を約束する。 現在の研究は、孤立したサイロに分解されたバベルの塔に閉じ込められている。 本稿では,CSIを学習可能な普遍文法を持つ構造化言語として扱う基盤モデルフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-30T04:30:04Z)
• Unifying Heterogeneous Multi-Modal Remote Sensing Detection Via Language-Pivoted Pretraining [59.2578488860426]
  不均一なマルチモーダルリモートセンシングオブジェクト検出は、多様なセンサからオブジェクトを正確に検出することを目的としている。 既存のアプローチでは、下流の微調整中にモーダリティアライメントとタスク固有の最適化が絡み合う遅延アライメントパラダイムが採用されている。 本稿では,下流のタスク学習からモダリティアライメントを明確に分離する,統一型言語パイロット事前学習フレームワークであるBabelRSを提案する。
  論文  参考訳（メタデータ） (2026-03-02T11:38:12Z)
• Vision-Language Integration for Zero-Shot Scene Understanding in Real-World Environments [0.0]
  本研究では,事前学習した視覚エンコーダと大規模言語モデルを統一する視覚言語統合フレームワークを提案する。 提案システムでは,トップ1の精度が最大18%向上し,セマンティック・コヒーレンス・メトリクスが顕著に向上した。
  論文  参考訳（メタデータ） (2025-10-29T01:16:21Z)
• Optimizing Multilingual Text-To-Speech with Accents & Emotions [0.0]
  本稿では,アクセントを付加した新しいTSアーキテクチャを提案する。 本稿では,言語固有の音素アライメント型エンコーダ-デコーダアーキテクチャを統合することで,Parler-TTSモデルを拡張した。 テストでは、アクセント精度が23.7%改善し、ネイティブリスナーによる感情認識精度が85.3%向上した。
  論文  参考訳（メタデータ） (2025-06-19T13:35:05Z)
• SemEval-2025 Task 11: Bridging the Gap in Text-Based Emotion Detection [76.18321723846616]
  タスクは7つの異なる言語ファミリーから30以上の言語をカバーしている。 データインスタンスは6つの感情クラスでマルチラベルされており、感情の強さに注釈を付けた11言語にデータセットが追加されている。 参加者は, (a) マルチラベル感情検出, (b) 感情強度スコア検出, (c) 言語間感情検出の3つのトラックでラベルの予測を依頼された。
  論文  参考訳（メタデータ） (2025-03-10T12:49:31Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• A Vector Quantized Approach for Text to Speech Synthesis on Real-World Spontaneous Speech [94.64927912924087]
  我々は、YouTubeやポッドキャストから現実の音声を使ってTSシステムを訓練する。 最近のText-to-Speechアーキテクチャは、複数のコード生成とモノトニックアライメントのために設計されている。 近年のテキスト・トゥ・スペーチ・アーキテクチャは,いくつかの客観的・主観的尺度において,既存のTSシステムより優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-08T17:34:32Z)
• CLEAR: Improving Vision-Language Navigation with Cross-Lingual, Environment-Agnostic Representations [98.30038910061894]
  VLN(Vision-and-Language Navigation)タスクでは、エージェントが言語命令に基づいて環境をナビゲートする必要がある。 CLEAR: 言語横断表現と環境非依存表現を提案する。 我々の言語と視覚表現は、Room-to-Room and Cooperative Vision-and-Dialogue Navigationタスクにうまく転送できる。
  論文  参考訳（メタデータ） (2022-07-05T17:38:59Z)
• From text saliency to linguistic objects: learning linguistic interpretable markers with a multi-channels convolutional architecture [2.064612766965483]
  本稿では,分類プロセスを利用したテキストから解釈可能な言語オブジェクトを抽出するために,実装されたCNNの隠れ層を検査する手法を提案する。 我々は、英語とフランス語の2つの異なる言語からのコーパスに対するアプローチの効率を実証的に実証した。
  論文  参考訳（メタデータ） (2020-04-07T10:46:58Z)

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。