基于预训练潜在扩散模型的 WiFi CSI 高效高分辨率图像生成

我们提出了一种新方法LatentCSI，通过利用预训练潜在扩散模型（LDM）从 WiFi CSI 测量值生成物理环境的图像。与依赖于复杂计算密集技术（如 GAN）的先前方法不同，本方法采用轻量级神经网络将 CSI �幅值直接映射到 LDM 的潜在空间。随后，我们应用 LDM 的去噪扩散模型进行潜在表示处理，并借助文本引导进行特征提取，最后通过 LDM 的预训练解码器获得高分辨率图像。该设计绕过了像素空间图像生成的难题，避免了常规图像到图像管线中通常需要的显式图像编码阶段，从而实现高效且高质量的图像合成。我们在两个数据集上进行验证：一个我们使用商用 WiFi 设备和摄像机收集的宽带 CSI 数据集；以及公开的 MM-Fi 数据集的子集。结果表明，LatentCSI 在计算效率和感知质量方面均优于来自地面实况图像的同等复杂度基线模型，同时通过其独特的文本引导可控能力提供了实际优势。