无线感知论文速览 | SenSys 2023,RF Genesis: Zero-Shot Generalization of mmWave Sensingthrough Simulation-Base
发布时间
阅读量：
阅读量
注1：本文系“最新论文速览”系列之一，致力于简洁清晰地介绍、解读最新的顶会/顶刊论文。
无线感知论文速览 | Sensys 2023, RF Genesis: 基于仿真数据合成的方法与生成扩散模型的应用实现了毫米波感应在零样本情况下的泛化性能提升
论文来源链接：http://xyzhang.ucsd.edu/papers/Xingyu.Chen_SenSys23_RFGen.pdf；会议名称 SenSys 已于 2023 年发布。
概述
- RFGen的提出 * 传统的毫米波感应系统在遭遇未曾见过的用户、环境及传感器配置组合与测试类别时表现明显下降。
- RFGen基于跨模态生成框架补充和完善毫米波感应数据集，并成功解决这一挑战。
技术挑战和解决方案
大规模视觉到RF数据合成 * 面临的障碍：现有3D视觉数据集种类单一性及应用限制。* 解决方案：构建一系列扩散模型以丰富视觉数据集，有效生成不同类别的物体及其场景。
RF信号的生成建模 * 面临的主要困难：直接采用深度学习模型进行RF信号生成必须依赖于大量的真实RF数据集。* 解决方法：开发一种基于物理规律的射线追踪模拟器，并将其与扩散模型相结合以高效生成结构化的多路径噪声特性。
系统概览
- RFGen框架 * 基于现有的视觉数据集学习的扩散模型，并将其应用于RF领域以产出高质量的训练数据。
- 用户基于RF感应提示确定目标感应应用，并由RFGen解析这些指示生成多样的对象运动和3D网格模型。
实验和评估
- 实验设置 * 采用现有的毫米波雷达传感器系统进行全面性能测试。
- 首先，在微基准实验中对RFGen生成的毫米波感应信号进行准确性测试。
- 案例研究包括毫米波基础姿势识别与手势感应。
- 实验结果表明，在各种复杂的环境中以及面对不同姿态和方向等情况时，RFGen能够显著提升现有感应模型的可靠性。
贡献和影响
RFGen的贡献
- 提出了创新性的解决方法，并将现有的视觉与图形数据集进行转换以拓展至无线感应领域。
- 构建了一个全新的毫米波感应信号合成框架，整合了基于物理原理的射线追踪技术以及黑色方框扩散模型。
- 对实际存在的雷达平台及其相关应用进行了全面评估。
潜在影响 * RFGen框架的有效性和在多个领域的广泛应用潜力。
全部评论 (0)
还没有任何评论哟~