面向 6G 感知的自监督无线-视觉表征学习
网络与互联网体系结构
2022-02-25 v2 机器学习
摘要
在未来的 6G 蜂窝网络中，通信与感知联合协议将使网络能够感知环境，为在统一的通信-感知基础设施之上开展许多新应用打开大门。然而，解释感知场景的稀疏无线表征具有挑战性，这阻碍了这些新兴系统的潜力。我们提议结合无线与视觉，以最少的人工干预自动学习纯无线感知模型。我们希望构建一个能够吸收数百万未整理数据点的无线感知模型。为此，我们利用自监督学习的最新进展，并提出了一种新的无标签无线-视觉协同学习方案，其中视觉通过跨模态互信息训练无线。我们根据通用的线性分类基准实现并评估了我们的方案，并报告了定性和定量性能指标。在我们的评估中，无线-视觉自监督学习到的表征在下游感知演示器中表现良好，并且在使用较少标注数据时优于其全监督对照模型。这表明自监督学习可能是未来可扩展无线感知系统的重要使能技术。
引用
@article{arxiv.2111.02887,
title = {Self-Supervised Radio-Visual Representation Learning for 6G Sensing},
author = {Mohammed Alloulah and Akash Deep Singh and Maximilian Arnold},
journal= {arXiv preprint arXiv:2111.02887},
year = {2022}
}
备注
To appear in IEEE ICC '22