基于生成模型的低空航空 3D 雷达图估计：RadioFormer3D
计算机视觉与模式识别
2026-05-29 v1
摘要
随着低空航空和 3D 异构网络等无线应用的兴起，对三维环境下（包括水平和垂直维度）的雷达图估计需求日益增长。然而，将雷达图估计从二维扩展到三维仍具有挑战，主要due 于空间稀疏性和垂直维度上的有限监督。本文提出了 \textbf{\textit{RadioFormer3D}}，用于弱监督下的体积式频谱重建。基于 \textit{RadioFormer} 的双流、多粒度融合架构，\textit{RadioFormer3D} 引入傅里叶基采样编码器和体积解码器，高效处理三维空间中的稀疏测量。为缓解垂直监督不足，本文提出 \textbf{\textit{Joint Spectrum Integrity Loss}}，将体积级伪标签监督、图层级几何感知无线渲染和像素级局部约束整合到统一的优化方案中。该设计使模型能在稀疏监督下更有效地捕获复杂的垂直结构关系。广泛的实验表明，\textit{RadioFormer3D} 在多个雷达图数据集上实现了优于代表性方法的综合性能。特别是，它在未标记高度处实现了改进的重建质量，同时在准确率和推理效率之间保持良好的权衡，为未来面向三维环境的无线网络提供了高度有前景的解决方案。
引用
@article{arxiv.2605.29538,
title = {RadioFormer3D: Weakly Supervised 3D Radio Map Estimation in Low-Altitude Airspace via Generative Modeling},
author = {Zheng Fang and Junjie Liu and Kangjun Liu and Jianguo Zhang and Yaowei Wang and Ke Chen},
journal= {arXiv preprint arXiv:2605.29538},
year = {2026}
}