论文速览 IMWUT 2024 | 毫米波雷达个性化人体追踪 | PmTrack: Enabling Personalized mmWave-based Human Tracking

已于 2024-02-20 14:54:59 修改
阅读量129 收藏
点赞数
分类专栏： # 无线感知/雷达成像论文速递 文章标签： 论文阅读 PmTrack IMWUT 毫米波雷达 人体跟踪
于 2024-02-20 14:54:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazwsxrx/article/details/136189365
版权

无线感知/雷达成像部分最新工作<持续更新>: 链接地址

注1:本文系“无线感知论文速递”系列之一,致力于简洁清晰完整地介绍、解读无线感知领域最新的顶会/顶刊论文(包括但不限于 Nature/Science及其子刊; MobiCom, Sigcom, MobiSys, NSDI, SenSys, Ubicomp; JSAC, 雷达学报 等)。
本次介绍的论文是: IMWUT 2024 | 毫米波雷达个性化人体追踪 | PmTrack: Enabling Personalized mmWave-based Human Tracking
文章DOI: https://doi.org/10.1145/3631433

论文速览 IMWUT 2024 | 毫米波雷达个性化人体追踪 | PmTrack: Enabling Personalized mmWave-based Human Tracking

在这里插入图片描述
这篇论文的主要贡献是提出了一个叫PmTrack的系统,通过引入惯性测量单元(IMU)作为身份指示器,为毫米波雷达人体跟踪和传感技术提供了准确、轻量级且高

了解本专栏 订阅专栏 解锁全文 超级会员免费看
R.X. NLOS
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
IMWUT-Hierarchical-HAR-PBD:利用活动识别在连续数据中启用保护行为检测
04-17
分层HAR-PBD体系结构 这是针对我们的论文，已被ACM在交互式，移动，可穿戴和泛在技术（IMWUT）上的会议录接受（2021年2月）。 一般的 在此资料库中，您将找到所有必要的组件，这些组件可能对我们自己的文章感兴趣并且对您自己的东西有帮助。 但是，此处提供的代码不能直接执行，例如，您将无法下载并在计算机上运行。 这是因为， 数据不是公开可用的，而是可以根据需要下载的。 最后，测试数据由EmoPain开发人员保存。
ATK：Enabling Ten-Finger Freehand Typing in Air Based on 3D Hand Tracking Data.
02-11
ATK：Enabling Ten-Finger Freehand Typing in Air Based on 3D Hand Tracking Data.
【论文解读】MmWave Radar and Vision Fusion for Object Detection in Autonomous Driving: A Review
咩吃咩
07-18 1290
论文翻译与学习：《MmWave Radar and Vision Fusion for Object Detection in Autonomous Driving: A Review》
毫米波点云生成论文 阅读笔记 | 3D Point Cloud Generation with Millimeter-Wave Radar
NLOS的博客
06-12 1752
Kun Qian, Zhaoyuan He, Xinyu Zhang UCSD Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (ACM IMWUT)内容在CSDN、知乎和微信公众号同步更新Extremely low resolution❌ due to its small form factor❌ only generates intensity maps with strong ref
毫米波雷达成像论文阅读笔记 | CVPR 2023, Azimuth Super-Resolution for FMCW Radar in Autonomous Driving
NLOS的博客
07-06 627
解决了 FMCW MIMO mmwave radar的低角度分辨率问题背景mmwave radar通常仅10根天线左右，角度分辨率很低解决方案：1 提出了ADC-SR (ADC数据超分辨模型)：使用来自少数接收器的信号预测额外的信号✅ 特点：与baseline相比性能相当，但参数减少50倍2 将ADC-SR与标准的RAD超分辨模型结合，获得混合超分辨率模型 (Hybrid-SR)✅ 性能可以大幅提高实验结果。
17-IMWUT-FallDeFi Ubiquitous Fall Detection using Commodity Wi-Fi Devices
weixin_42232024的博客
09-01 452
已经进行了大量的研究来开发基于一系列不同检测方法的跌倒检测系统，即可穿戴和非可穿戴传感和检测技术。在本文中，我们考虑了一种基于 WiFi 信道状态信息 (CSI) 的新兴非穿戴式跌倒检测方法。以前基于 CSI 的跌倒检测解决方案只考虑了时域方法。在这里，我们采用完全不同的方向，即雷达跌倒检测中使用的时频分析。我们使用传统的短时傅立叶变换 (STFT) 来提取时频特征，并使用顺序前向选择算法来挑选出对环境变化具有弹性的特征，同时保持较高的跌倒检测率。当我们的系统经过预训练时，它具有 93% 的准确率，与 RT
论文速览 IMWUT 2022 | Cross Vision-RF Gait Re-identification with Low-cost RGB-D Cameras and mmWave Rada
NLOS的博客
11-17 101
本文研究跨模态人员重识别问题,在相机允许区域和相机限制区域之间实现同一人员的关联。利用毫米波雷达和RGB-D相机获取行走样式特征,基于镜面反射模型将两种数据联系起来。提出卷积去量化网络进行特征提取和相似度估计,实现跨模态人员重识别。本文实现了跨毫米波雷达和RGB-D相机的人员重识别。将推动异构传感器的跨区域人员感知。
ATK: Enabling Ten-Finger Freehand Typing in Air Based on 3D Hand Tracking Data
02-11
ATK: Enabling Ten-Finger Freehand Typing in Air Based on 3D Hand Tracking Data
SubTrack: Enabling Real-Time Tracking of Subway Riding on Mobile Devices
02-22
SubTrack: Enabling Real-Time Tracking of Subway Riding on Mobile Devices
I-WBAN: Enabling Information-centric data retrieval in heterogeneous WBAN
02-10
I-WBAN: Enabling Information-centric data retrieval in heterogeneous WBAN
Vehicular fog computing: Enabling real-time traffic management for smart cities
02-11
Vehicular fog computing: Enabling real-time traffic management for smart cities
＜持续更新＞ 毫米波感知/成像部分高质量论文列表 ＜持续更新＞
NLOS的博客
01-20 486
Statistics starting from 01/2024, 仅列出了优秀工作中的一部分||每周更新。
无线网络、移动感知与计算领域的前沿学者
qq_31460511的博客
03-31 2809
无线网络、移动感知与计算领域的前沿学者 1.本领域顶级的期刊与论文 会议：SIGCOMM，MobiCom，NSDI，Infocom，UbiComp，MobiSys， 期刊：ToN，TMC, TPDS，JSAC 这里贴出大佬已经有的介绍，http://blog.sciencenet.cn/blog-44406-430381.html，方便大家对相关领域有较深的理解。其中没有提到包括NSDI和UbiComp也是如今CCF-A类的会议。NSDI关注的领域包括但不限于网络和分布式系统的设计原理，实现和实际评估等，一
【人工智能】常见问题以及解答
颜淡慕潇
06-01 7713
人工智能（Artificial Intelligence, AI）是一门涉及计算机科学、数学、心理学、哲学等多个领域的交叉学科，旨在研究如何使计算机能够像人一样地思考、学习和行动。在过去几十年中，人工智能技术得到了广泛的应用和发展，涵盖了诸如机器学习、自然语言处理、计算机视觉、知识表示和推理等多个方向。这些技术的发展为我们提供了许多强大的工具和应用，例如智能语音助手、自动驾驶汽车、医疗诊断和机器人等。
人机交互会议 Ubicomp/iswc
My blog tour
02-07 319
原文链接：https://www.ubicomp.org/ubicomp-iswc-2024/authors/
【论文阅读】互连网络的负载平衡路由算法 (GAL, Globally Adaptive Load-balancing 全局自适应负载平衡)
Messiah___的博客
04-28 1221
在低负载和良性流量模式下，GAL 最小限度地路由所有流量，因此与此类友好流量上的最小路由算法的低延迟和高吞吐量相匹配。在对抗性流量模式下，GAL 在低负载时进行最小路由，然后在注入队列检测到拥塞时切换到非最小路由。在饱和状态下，GAL 与最佳负载平衡的不经意路由的吞吐量相匹配。这结合了最小算法（低负载下的低延迟）和明显负载平衡算法（高饱和​​吞吐量）的最佳功能。虽然 GAL 在各种吞吐量和延迟指标上比任何其他已知的路由算法表现更好，但 GAL 存在四个严重问题。
【论文阅读】ESRT-Transformer for Single Image Super-Resolution
博客
04-28 1262
随着深度学习的发展，单图像超分辨率（SISR）取得了长足的进步。然而，大多数现有研究都侧重于构建具有大量层的更复杂的网络。最近，越来越多的研究人员开始探索 Transformer 在计算机视觉任务中的应用。但是，vision Transformer计算成本高、GPU显存占用高等问题也不容忽视。在本文中，我们提出了一种用于 SISR 的新型高效超分辨率变压器 (ESRT)。ESRT 是一种混合模型，由轻量级 CNN 骨干网 (LCB) 和轻量级变压器骨干网 (LTB) 组成。
【论文阅读】Learning Texture Transformer Network for Image Super-Resolution
最新发布
博客
05-04 1031
我们研究了图像超分辨率 (SR)，旨在从低分辨率 (LR) 图像中恢复逼真的纹理。最近的进展是将高分辨率图像作为参考（Ref），从而可以将相关纹理转移到 LR 图像。然而，现有的 SR 方法忽略了使用注意力机制从参考图像传输高分辨率 (HR) 纹理，这在具有挑战性的情况下限制了这些方法。在本文中，我们提出了一种用于图像超分辨率 (TTSR) 的新型纹理变换器网络，其中 LR 和 Ref 图像分别被表述为变换器中的查询和键。
mvdiffusion: enabling holistic multi-view image generation with corresponden
11-17
mvdiffusion是一种新的图像生成方法，它能够实现全面的多视图图像生成，其中各个视角之间有对应关系。这种方法可以很好地解决传统的图像生成方法中存在的问题，比如在单一视角下生成图像时难以获取全面的信息，或者在多视角生成时难以保持视角之间的一致性。mvdiffusion的关键在于利用图像中的对应点信息，通过多视图的融合和扩散来生成全面且一致的图像结果。 这种方法的应用场景非常广泛，比如在虚拟现实和增强现实中，可以利用mvdiffusion来生成全景图像，使用户可以从多个角度观察场景，获得更真实的体验。在医学影像学中，mvdiffusion也可以用于三维重建和立体显示，帮助医生更好地诊断病情。另外，mvdiffusion还可以应用在计算机视觉和图像处理领域，用于生成具有视角一致性的图像数据，提高模型的性能和准确性。 总的来说，mvdiffusion是一种非常有前景的图像生成方法，它能够很好地解决传统方法所存在的问题，实现全面、一致的多视图图像生成。它的应用将会给虚拟现实、医学影像学、计算机视觉等领域带来更广阔的发展空间，为图像生成技术的进步提供了新的可能性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R.X. NLOS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值