基于 Wi-Fi CSI 数据重建移动物体深度图像
计算机视觉与模式识别
2025-03-11 v1 机器学习
图像与视频处理
摘要
本研究提出一种新型深度学习方法，用于从 Wi-Fi 信道状态信息（CSI）重建特定区域内移动物体的深度图像。Wi-Fi 基于深度成像技术在安防和老年护理等领域具有新颖应用。然而，由于从 CSI 重建深度图像具有挑战性，因为学习 CSI 与深度图像之间的映射函数——两者都是高维数据——尤为困难。为此，我们提出一种名为 Wi-Depth 的新方法。Wi-Depth 的核心设计思想是：深度图像可分解为三个核心组成部分：目标的形状、深度和位置。因此，在深度图像重建任务中，Wi-Depth 同时将这三项信息作为辅助任务在我们提出的基于 VAE 的教师-学生架构中进行估计，从而实现具有正确形状、深度和位置一致性的图像输出。此外，Wi-Depth 的设计基于我们认为形状、深度和位置与从 CSI 推断的原始信息（如到达角、往返时延和多普勒频率移）密切相关的事实。
引用
@article{arxiv.2503.06458,
title = {Reconstructing Depth Images of Moving Objects from Wi-Fi CSI Data},
author = {Guanyu Cao and Takuya Maekawa and Kazuya Ohara and Yasue Kishino},
journal= {arXiv preprint arXiv:2503.06458},
year = {2025}
}