WiFlexFormer：高效的基于 WiFi 的人中心感知
计算机视觉与模式识别
2024-11-08 v1 人工智能
新兴技术
机器学习
摘要
我们提出了 WiFlexFormer，一个高度高效的基于 Transformer 的架构，专门用于基于 WiFi 信道状态信息（CSI）的人中心感知。我们将 WiFlexFormer 与最先进的视觉架构和专门处理射频数据的架构进行了基准测试，证明它在提供显著更低的参数数量和更快的推理时间的同时，达到了可比的人体活动识别（HAR）性能。在 Nvidia Jetson Orin Nano 上推理时间仅为 10 ms，WiFlexFormer 针对实时推理进行了优化。此外，其低参数数量有助于改进跨域泛化能力，在许多情况下优于更大的模型。我们的综合评估表明 WiFlexFormer 是高效、可扩展的基于 WiFi 的感知应用的潜在解决方案。WiFlexFormer 的 PyTorch 实现在以下地址公开可用：https://github.com/StrohmayerJ/WiFlexFormer。
引用
@article{arxiv.2411.04224,
title = {WiFlexFormer: Efficient WiFi-Based Person-Centric Sensing},
author = {Julian Strohmayer and Matthias Wödlinger and Martin Kampel},
journal= {arXiv preprint arXiv:2411.04224},
year = {2024}
}