面向多模态天线归属识别的令牌熵正则化方法
计算机视觉与模式识别
2026-02-02 v2
摘要
准确的天线归属识别对于通信网络的优化与维护至关重要。然而，当前实践依赖于繁琐且易出错的人工塔上巡检流程。我们提出了一种新颖的范式转变，融合基站视频画面、天线几何特征以及物理小区标识(PCI)信号，将天线归属识别转化为多模态分类与匹配任务。由于通信领域缺乏类似数据，导致跨模态对齐困难，公开可用的预训练Transformer难以胜任这一独特任务。为此，我们引入了一个专用训练框架，用于对齐天线图像与对应的PCI信号。为解决表征对齐挑战，我们在预训练阶段提出了一种新颖的令牌熵正则化模块。实验表明，TER能加速收敛并带来显著的性能提升。进一步分析揭示，首个令牌的熵具有模态依赖性。代码将在发表后公开。
引用
@article{arxiv.2601.21280,
title = {Token Entropy Regularization for Multi-modal Antenna Affiliation Identification},
author = {Dong Chen and Ruoyu Li and Xinyan Zhang and Jialei Xu and Ruosen Zhao and Zhikang Zhang and Lingyun Li and Zizhuang Wei},
journal= {arXiv preprint arXiv:2601.21280},
year = {2026}
}