2022 Fiscal Year Annual Research Report
多様な環境に適用可能なコンピュータビジョンと無線通信のクロスモーダルセンシング
| Project/Area Number |
22H03575
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
西尾 理志 東京工業大学, 工学院, 准教授 (80711522)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
米谷 竜 オムロンサイニックエックス株式会社, リサーチアドミニストレイティブディビジョン, プリンシパルインベスティゲーター (40733481)
山本 高至 京都大学, 情報学研究科, 准教授 (30423015)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Keywords | 無線センシング / WiFiセンシング / CSIセンシング / 無線イメージング |
|---|
| Outline of Annual Research Achievements |
2022年度は、無線通信に起因する不確実性の課題を解消し、様々な無線通信環境をイメージング可能な機械学習モデルを獲得する手法を確立するため、無線通信信号情報から推定対象領域のイメージングに寄与する情報を選択・抽出する方法、ならびに、無線通信信号情報から推定対象領域のイメージングを行う手法を検討した。一般的に機械学習では、入力情報を増やすことは精度向上につながる一方、推論結果に寄与しない特徴量はノイズとなり性能を低下させる要因となる他、入力次元数の増加は訓練に必要なデータ量を増加させる。本研究では機械学習による無線センシングにおいても上記の事象が発生することを実験的に示した。具体的には、無線センシング端末が多数設置された環境において、無線センシング端末を選択的に用いることで無線センシング精度が向上できることを示した。加えて、PCA等の次元圧縮手法を無線信号に適用することで、予測精度を高めることができることを示した。これらの知見をもとに無線信号と環境に関する断片的画像から観測対象環境全体をイメージングする手法を確立した。特に、カメラによる監視において、カメラ画像に大きな死角や欠損が生じた場合において、欠損箇所の正確な画像情報を無線信号を元に復元するRF-Inpainting技術を提案し、その有効性を実験的に示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初予定では、無線信号を用いた環境センシングを行うにあたり無線信号と環境画像の関係性を調査することを目標としていたが、それに加え、無線信号と画像を用いたクロスモーダルセンシングの先駆けとしてRF-inpainting技術の確立に至っているため。
|
| Strategy for Future Research Activity |
RF-Inpaintingの高度化に向け、Wi-Fi CSIを用いたイメージング手法を検討する。特により先端的な機械学習技術を導入し、多次元なCSIからより鮮明な環境画像を復元することを目指す。加えて、無線環境センシングにおいて発生するデータドメインシフトの特性解明と、データドリフトにより生じる予測性能低下の解決方法を検討する。Wi-Fi CSIのドメインシフトについて、これまでも、モデル訓練時と推論時で異なる環境に用いる場合や受信端末や送信端末が移動した場合に発生することが知られていた。それに加え、昨年度の実験により、物理的には人の目で見て静的な状況においても、訓練したモデルが時間経過とともに精度が劣化する事象が発生することが新たに明らかとなった。本年度は、この時間的なドメインシフトについて、原因および特性を明らかにし、その特性に応じた解決策の確立を目指す。
|
