論文の概要: RadPose: ISAC-based RF 3D Human Pose Estimation

• arxiv url: http://arxiv.org/abs/2611.01400v1
• Date: Sun, 01 Nov 2026 01:08:32 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:44:09.410323
• Title: RadPose: ISAC-based RF 3D Human Pose Estimation
• Title（参考訳）: RadPose:ISACをベースとしたRF3D人物推定
• Abstract要約: 本稿では,学習に基づくモノスタティック統合センシング・通信システムRadPoseについて述べる。 RadPoseは、追加のセンサーハードウェアなしで3D無線点雲を生成する。 最先端のレーダーベースのアプローチと比較して、競争精度が向上する。
• 参考スコア（独自算出の注目度）: 5.089394863798753
• License:
• Abstract: Human pose estimation under adverse lighting and occlusion conditions remains challenging for camera- and LiDAR-based systems. Although mmWave radars provide robustness to illumination and occlusion, they rely on dedicated hardware and licensed spectrum, limiting scalability. In this paper, we present RadPose, a learning-based monostatic integrated sensing and communication (ISAC) framework that enables mmWave communication devices to perform 3D human pose estimation. Unlike specialized radars, RadPose leverages monostatic full-duplex operation to extract channel impulse responses (CIRs) directly from standard OFDM communication signals, generating 3D radio point clouds without additional sensing hardware. To address the sparsity and noise of RF observations, RadPose employs a cross-frame transformer-based pose inference network with semantic-guided spatial attention and target-driven temporal attention for robust spatio-temporal aggregation. It further adopts a joint-aware inverse kinematics refinement module based on graph convolution to enforce skeletal topology, bone-length consistency, and anatomical plausibility. Extensive experiments demonstrate RadPose achieves competitive accuracy compared to state-of-the-art radar-based approaches while maintaining robust performance in unseen and occluded scenarios. The dataset and source code are available at https://github.com/Geo-Chou/RadPose.
• Abstract（参考訳）: カメラとLiDARをベースとしたシステムでは、照明や閉塞条件下での人間のポーズ推定が依然として困難である。 mmWaveレーダーは照明や閉塞に対して堅牢性を提供するが、専用ハードウェアとライセンススペクトルに依存し、スケーラビリティを制限している。 本稿では,ミリ波通信装置による3次元ポーズ推定を実現するための,学習ベースの一静性統合センシング・通信(ISAC)フレームワークであるRadPoseを提案する。 特殊なレーダーとは異なり、RadPoseはモノスタティックフルデュプレックス(英語版)操作を利用して標準のOFDM通信信号から直接チャネルインパルス応答(CIR)を抽出し、追加のセンサーハードウェアなしで3D無線点雲を生成する。 RF観測の空間性やノイズに対処するため、RadPoseでは、意味誘導型空間的注意と目標駆動型時間的注意を用いたクロスフレームトランスフォーマーベースのポーズ推論ネットワークを採用している。 さらに、骨格トポロジー、骨長の一貫性、解剖学的妥当性を強制するために、グラフ畳み込みに基づく関節認識逆キネマティクス精製モジュールを採用する。 大規模な実験では、RadPoseは最先端のレーダーベースのアプローチと比較して、競争の精度を達成しつつ、目に見えない、隠蔽されたシナリオでの堅牢なパフォーマンスを維持している。 データセットとソースコードはhttps://github.com/Geo-Chou/RadPose.comで入手できる。

関連論文リスト

• Radar-Based 3D Human Pose Estimation via Motion-Aware Pose Initialization and Observation-Guided Refinement [2.9652257435018665]
  3Dヒューマンポース推定は、スマートホームなどの屋内環境において、人間の動きを分析し、人間の状態を監視するために用いられる。 レーダー観測は、特定の身体部分についての不十分な情報を提供するか、または複数の身体部分からの重なり合う反射を含む。 本稿では,初期化・再分極化フレームワーク(I2R-Pose)を提案する。 I2R-PoseはMVDoppler-Poseで平均結合位置誤差(MPJPE)を39.50%、RaMoS-Poseで15.13%低減する
  論文  参考訳（メタデータ） (2026-10-20T07:38:04Z)
• Talk2Sensors: 3D Visual Grounding in Autonomous Driving via Sensor-Adaptive Physical Cue Matching [66.91228384649921]
  Talk2Sensorsは、カメラ、LiDAR、および4Dレーダ上に構築された最初のマルチセンサ3Dビジュアルグラウンドデータセットである。 本稿では,自動走行における言語誘導型3次元視覚グラウンドのためのトランスフォーマーベースの統合フレームワークTSFormerを提案する。
  論文  参考訳（メタデータ） (2026-08-05T07:58:35Z)
• 4D Radar Gaussian Modeling and Scan Matching with RCS [80.74019565026542]
  レーダークロスセクション(RCS)情報は、しばしば見落とされ、通常マッチングプロセスのモデリングやスキャンには使われない。 本稿では,RCSの物理的挙動をモデルに組み込むことにより,シーンの要約情報をさらに強化することを提案する。
  論文  参考訳（メタデータ） (2026-04-16T10:58:29Z)
• Rascene: High-Fidelity 3D Scene Imaging with mmWave Communication Signals [12.520115230755438]
  本稿では,mmWave OFDM通信信号を利用した3次元シーンイメージングのための統合センシング・通信フレームワークRasceneを紹介する。 個々の無線フレームのスパースとマルチパスあいまいさを克服するために、Rasceneは、自信重み付き前方投影による多フレーム空間適応融合を行う。 実験により,提案手法は高精度で3Dシーンを再構成し,低コストでスケーラブルで堅牢な3D知覚への新たな経路を提供することを示した。
  論文  参考訳（メタデータ） (2026-04-03T00:46:49Z)
• RadioGen3D: 3D Radio Map Generation via Adversarial Learning on Large-Scale Synthetic Data [62.63849426834315]
  将来の6Gおよび低高度ネットワークにおける効率的な無線資源管理には,無線地図が不可欠である。 ディープ・ラーニング(DL)技術は、無線地図推定における従来のレイトレーシングに代わる効果的な代替手段として登場した。 提案するRadioGen3Dフレームワークは,本質的な3次元信号伝搬特性とアンテナ偏光効果を捉える。
  論文  参考訳（メタデータ） (2026-02-21T07:50:05Z)
• Sim2Radar: Toward Bridging the Radar Sim-to-Real Gap with VLM-Guided Scene Reconstruction [2.3510064024442374]
  Sim2Radarは、単一ビューのRGBイメージから直接レーダーデータを合成するエンドツーエンドのフレームワークである。 Sim2Radarは、単眼深度推定、セグメンテーション、視覚言語推論を組み合わせることで、素材を意識した3Dシーンを再構築する。 Sim2Radarは、現実世界の屋内シーンで評価され、トランスファーラーニングを通じて下流の3Dレーダー知覚を改善する。
  論文  参考訳（メタデータ） (2026-02-10T10:56:47Z)
• Instance-Guided Radar Depth Estimation for 3D Object Detection [8.14859005096058]
  単眼カメラによる3D検出は、困難条件下での深度あいまいさと頑健さの低下に悩まされる。 Radarは、低照度や悪天候に対するレジリエンスのような補完的な利点を提供するが、その幅と低解像度は検出フレームワークでの使用を制限している。 本稿では,2つのキーコンポーネントによるモノラルな3Dオブジェクト検出を実現するエンド・ツー・エンドのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-27T07:53:24Z)
• RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
  マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。 RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。 本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2025-12-19T18:57:33Z)
• 3D Dynamic Radio Map Prediction Using Vision Transformers for Low-Altitude Wireless Networks [52.73015408160948]
  低高度無線ネットワーク(LAWN)は無人航空機(UAV)の普及に伴い急速に拡大している 信頼性の高い接続性は、三次元(3D)モビリティ、時間変化によるユーザ密度、限られた電力予算のために、依然として重要な課題である。 本稿では,受信電力の進化を学習し,予測する3次元動的無線マップ(3D高度)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-24T11:47:17Z)
• RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
  暗い照明や悪天候はカメラの性能を低下させる。 レーダーは騒音と位置のあいまいさに悩まされる。 本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
  論文  参考訳（メタデータ） (2025-02-18T17:17:38Z)

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。