GeRaF：基于无线电频率信号的神经几何重建
计算机视觉与模式识别
2026-05-29 v1
摘要
GeRaF是首个利用神经隐式学习从无线电频率（RF）信号进行近范围3D几何重建的方法。不同于RGB或LiDAR-based方法，RF感知能够穿透遮挡，但由于无镜头成像特性，受限于低分辨率和噪声。虽然RGB成像中的镜头将采样限制在1D射线上，但RF信号会通过整个空间传播，引入显著噪声并导致体积渲染的立方复杂度。此外，RF信号通过表面进行镜面反射，需要根本不同的数据建模。为解决这些挑战，GeRaF（1）引入基于滤波的渲染以抑制无关信号，（2）实现基于物理的RF体积渲染管线，（3）提出一种新颖的无镜头采样和无镜头alpha混合策略，使训练期间的全空间采样可行。通过学习标号距离函数、反射性和信号功率，GeRaF是首个在真实场景中从RF信号重建毫米级几何的步骤。
引用
@article{arxiv.2605.29097,
title = {GeRaF: Neural Geometry Reconstruction from Radio Frequency Signals},
author = {Jiachen Lu and Hailan Shanbhag and Haitham Al Hassanieh},
journal= {arXiv preprint arXiv:2605.29097},
year = {2026}
}
备注
Accepted at NeurIPS 2025 (Spotlight)