基于图的 WiFi 信号 3D 人体姿态估计
计算机视觉与模式识别
2025-11-25 v1
摘要
基于 WiFi 的人体姿态估计（HPE）因其对遮挡的鲁棒性和相比相机方法的隐私保护而受到越来越多的关注。然而，现有的基于 WiFi 的 HPE 方法通常采用回归网络直接将 WiFi 信道状态信息（CSI）映射到 3D 关节坐标，忽略了人体关节之间固有的拓扑关系。在本文中，我们提出了 GraphPose-Fi，一个显式建模骨骼拓扑的基于图的 WiFi 3D HPE 框架。我们的框架包括一个跨天线共享的 CNN 编码器用于子载波-时间特征提取，一个轻量级注意力模块用于自适应地重新加权时间和跨天线特征，以及一个基于图的回归头，结合 GCN 层和自注意力来捕获局部拓扑和全局依赖关系。我们提出的方法在 MM-Fi 数据集的各种设置中显著优于现有方法。源代码可在以下地址获取：https://github.com/Cirrick/GraphPose-Fi。
引用
@article{arxiv.2511.19105,
title = {Graph-based 3D Human Pose Estimation using WiFi Signals},
author = {Jichao Chen and YangYang Qu and Ruibo Tang and Dirk Slock},
journal= {arXiv preprint arXiv:2511.19105},
year = {2025}
}