mmWEAVER：基于照片与活动描述的环境特定毫米波信号合成

逼真的信号生成与数据集增强对于推进毫米波雷达应用（如活动识别与姿态估计）至关重要，而这些应用高度依赖多样且环境特定的信号数据集。然而，毫米波信号本质上复杂、稀疏且高维，使得物理仿真计算成本高昂。本文提出mmWeaver，一个新颖框架，通过使用隐式神经表示（INR）将毫米波信号建模为连续函数，从而合成逼真的环境特定复杂毫米波信号，实现高达49倍的压缩。mmWeaver集成了超网络，可根据环境上下文（从RGB-D图像中提取）和人体运动特征（通过MotionGPT的文本到姿态生成获得）动态生成INR参数，从而实现高效且自适应的信号合成。通过利用这些语义和几何先验，mmWeaver在多个分辨率下生成多样化的I/Q信号，保留对点云估计和活动分类等下游任务至关重要的相位信息。大量实验表明，mmWeaver实现了0.88的复杂SSIM和35 dB的PSNR，在信号真实性方面优于现有方法，同时将活动识别准确率提升最多7%，将人体姿态估计误差降低最多15%，且运行速度比基于仿真的方法快6至35倍。