基于无线电信号的人体感知无监督学习
计算机视觉与模式识别
2022-07-07 v1
摘要
越来越多的文献表明，在遮挡与光照不足情况下，利用射频（RF）信号实现关键计算机视觉任务具有可行性。其利用 RF 信号穿透墙壁与遮挡的特性，实现穿墙姿态估计、动作识别、场景描述与行人重识别。然而，不同于可由人工标注的 RGB 数据集，RF 信号因不可被人直观理解而难以标注。但收集无标注 RF 信号相当容易。以无监督方式利用此类无标注 RF 数据学习有用表征将大有裨益。因此，本文探讨将基于 RGB 的无监督表征学习适配至 RF 信号的可行性。我们表明，尽管对比学习已成为图像与视频无监督表征学习的主要技术，但此类方法在用于 RF 信号感知人体时表现不佳。相反，预测式无监督学习方法可学到高质量表征，用于多种下游基于 RF 的感知任务。我们的实证结果显示，该方法在多项任务上优于最先进的基于 RF 的人体感知，开启了从该新模态进行无监督表征学习的可能。
引用
@article{arxiv.2207.02370,
title = {Unsupervised Learning for Human Sensing Using Radio Signals},
author = {Tianhong Li and Lijie Fan and Yuan Yuan and Dina Katabi},
journal= {arXiv preprint arXiv:2207.02370},
year = {2022}
}
备注
WACV 2022. The first three authors contributed equally to this paper