跳到正文
arXiv · 多模态与生成机制· Vahid Yazdnian; Yasaman Ghasempour·· 16 小时前精选AI 评分73

基于物理约束表征的扩散后验推断:利用泛在无线信号进行场景重建

Scene Reconstruction Using Ubiquitous Wireless Signals via Diffusion Posterior Inference Over physics-Grounded Representations

AI 导读

基于摘要分析。该研究针对无线信道测量到建筑场景映射的严重不适定性,将场景重建表述为后验推断,并提出由物理约束表征与扩散模型组成的分层框架。其主要研究对象是从无线信道测量恢复建筑占据分布及建筑轮廓,而非神经信号解码或 BCI。 无线信道只记录与传播路径发生交互的部分结构,同一测量也可能对应多个合理场景。为处理这种不完整观测与多解性,第一阶段采用经传播物理约束预训练的无线基础模型,将每次信道测量转换为反映相关场景结构的表征;第二阶段由扩散模型联合整合多次测量的表征,对建筑占据分布的后验进行建模和采样,再通过样本间共识生成最终重建。摘要未说明物理约束的具体实现、训练目标、后验条件化方式及共识规则。 作者报告,该框架能够仅凭无线信道测量准确恢复建筑轮廓,且性能同时依赖物理约束表征和联合后验推断:前者提取场景相关信息,后者整合互补观测。摘要未提供数据集、测量规模、训练与测试划分、对照方法或量化指标,实验协议、消融及统计信息尚未验证。 平台推测(待验证):物理表征与生成先验相结合的思路可能为不适定神经源重建提供方法参照,但无线传播物理与神经信号前向模型并不相同,需要重新定义观测模型、条件表征与先验;低信噪比、通道稀疏及跨被试差异也可能使生成先验偏离真实信号。该假设不是已验证的 EEG/BCI 效果,已有 EEG 相关工作尚未检索确认。

阅读价值

值得关注的是以物理约束表征和联合扩散后验推断处理无线场景重建的多解性,但摘要未提供量化结果,其具体优势与复现条件尚待全文核对。

来源:arXiv · 多模态与生成机制 · arxiv.org