观察、辐射与学习：基于无线电-视觉对应的自监督定位
机器学习
2023-03-30 v4 网络与互联网体系结构
摘要
下一代蜂窝网络将在常规通信之外实现无线电感知功能，从而在全球室外实现前所未有的感知覆盖。深度学习已彻底变革计算机视觉，但在无线电感知任务中应用有限，部分原因是缺乏致力于研究无线电感知性能与前景的系统性数据集与基准。为弥补这一空白，我们提出 MaxRay：一个合成无线电-视觉数据集与基准，可支持无线电中的精确目标定位。我们进一步提出通过从无线电-视觉对应中提取自坐标，在无监督情况下学习无线电中的目标定位。我们利用此类自监督坐标训练无线电定位器网络。我们针对若干最先进基线刻画了性能表现。结果表明，准确的无线电目标定位可从配对的无线电-视觉数据中无标签自动学习，这对经验数据十分重要。这为海量数据可扩展性打开了大门，并可能成为在统一通信-感知蜂窝基础设施上实现稳健无线电感知前景的关键。数据集将托管于 IEEE DataPort。
引用
@article{arxiv.2206.06424,
title = {Look, Radiate, and Learn: Self-Supervised Localisation via Radio-Visual Correspondence},
author = {Mohammed Alloulah and Maximilian Arnold},
journal= {arXiv preprint arXiv:2206.06424},
year = {2023}
}
备注
To appear in IEEE/CVF CVPR '23