要約
屋内イメージングは、ロボット工学やモノのインターネットにとって重要なタスクです。
遍在信号としての WiFi は、パッシブ イメージングを実行し、接続されているすべてのデバイスに最新情報を同期するための有望な候補です。
これは、測定された WiFi 電力を高解像度の屋内画像に変換するマルチモーダル画像生成タスクとして WiFi 屋内イメージングを考慮した最初の研究成果です。
私たちが提案する WiFi-GEN ネットワークは、物理モデルベースの反転手法によって達成される形状再構築精度の 275% を達成します。
さらに、Frechet Inception Distance スコアは 82% 大幅に減少しました。
このタスクに対するモデルの有効性を調べるために、WiFi 信号とイメージング ターゲットの 80,000 ペアを含む最初の大規模データセットがリリースされました。
私たちのモデルは、非線形性、姿勢の悪さ、不確実性などのモデルベースの手法の課題を、生成 AI ネットワークの膨大なパラメーターに吸収します。
また、ネットワークは、測定された WiFi 信号と必要な画像出力に最適になるように設計されています。
再現性を確保するため、承認され次第データとコードを公開します。
要約(オリジナル)
Indoor imaging is a critical task for robotics and internet-of-things. WiFi as an omnipresent signal is a promising candidate for carrying out passive imaging and synchronizing the up-to-date information to all connected devices. This is the first research work to consider WiFi indoor imaging as a multi-modal image generation task that converts the measured WiFi power into a high-resolution indoor image. Our proposed WiFi-GEN network achieves a shape reconstruction accuracy that is 275% of that achieved by physical model-based inversion methods. Additionally, the Frechet Inception Distance score has been significantly reduced by 82%. To examine the effectiveness of models for this task, the first large-scale dataset is released containing 80,000 pairs of WiFi signal and imaging target. Our model absorbs challenges for the model-based methods including the non-linearity, ill-posedness and non-certainty into massive parameters of our generative AI network. The network is also designed to best fit measured WiFi signals and the desired imaging output. For reproducibility, we will release the data and code upon acceptance.
arxiv情報
| 著者 | Jianyang Shi,Bowen Zhang,Amartansh Dubey,Ross Murch,Liwen Jing |
| 発行日 | 2024-01-09 02:20:30+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google