PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.23372v1cs.CV

다중 사용자 위치 추정을 위한 비전-무선 융합: 교차 모달 트랜스포머 접근법

Vision-Wireless Fusion for Multi-User Localization: A Cross-Modal Transformer Approach

복잡한 도시 환경에서 정확한 다중 사용자 위치 추정은 어려운 과제이다. 이러한 환경에서는 무선 측정값이 잡음(noise), 차단(blockage), 다중경로(multipath)로 인해 모호해질 수 있는 반면, 시각적 관측은 이를 보완하는 공간적 맥락을 제공한다. 본 논문은 파일럿 인덱싱된 채널 상태 정보(CSI)를 활용한 다중 사용자 위치 추정을 위한 비전-무선 융합 프레임워크를 제시한다. 직교 파일럿 인덱스는 CSI 토큰 시퀀스와 위치 추정 출력 내에서 통신 중인 UE(사용자 단말)의 식별 정보를 보존한다. 이 모델은 파일럿 인덱싱된 각 CSI 관측을 쿼리 토큰으로 인코딩하고, 교차 어텐션(cross-attention)을 사용하여 공간적 시각 메모리로부터 사용자별 정보를 검색한다. CSI 토큰 간의 셀프 어텐션(self-attention)은 사용자 간 상호작용을 추가로 포착하며, 그 결과로 얻어진 멀티모달 표현은 사용자별 위치 추정에 사용된다. 서로 다른 데이터셋에 대한 실험은 모델 기반, CSI 전용, 멀티모달 융합 베이스라인 대비 일관된 성능 향상을 보여준다. 추가 실험은 서로 다른 무선 및 시각 조건 하에서 모델을 평가한다.

arXiv:2601.02177v2cs.CV

상용 WiFi 센서가 다중 인물 보행 식별에서 실패하는 이유: ESP32를 이용한 체계적 분석

Why Commodity WiFi Sensors Fail at Multi-Person Gait Identification: A Systematic Analysis Using ESP32

WiFi 채널 상태 정보(CSI)는 단일 인물 보행 식별에 대한 가능성을 보여주어, 비접촉 생체 인식, 연속 인증, 수동 식별에의 활용에 대한 관심을 불러일으켰습니다. 그러나 저렴한 상용 장치에서의 다중 인물 식별 실현 가능성은 여전히 불분명합니다. 핵심 질문은 낮은 다중 인물 식별 성능이 주로 알고리즘적 한계 때문인지, 아니면 상용 WiFi 하드웨어의 더 근본적인 센싱 한계를 반영하는 것인지입니다. 본 연구는 상용 ESP32 WiFi 센서를 사용한 체계적인 실증 연구를 통해 이 문제를 다룹니다. 우리는 통제된 환경과 현실적인 실내 환경 모두에서 1명에서 10명까지의 7가지 시나리오에 걸쳐 FastICA, SOBI, PCA-ICA, NMF, Wavelet, Tensor decomposition 등 6가지 신호 분리 방법을 평가했습니다. 분류 정확도를 넘어 심층적으로 조사하기 위해 대상 내 변동성(ISV), 대상 간 식별 가능성(ISD), 성능 저하율(PDR)이라는 세 가지 진단 지표를 도입했습니다. 모든 방법에서 성능은 중간 수준(39%~56% 정확도)에 머물렀으며, 알고리즘 선택만으로 이 문제를 해결할 수 있다는 증거는 제한적입니다. 가장 성능이 좋은 방법인 NMF는 56%의 정확도를 달성했으나, 모든 방법에서 극도로 높은 특징 공간 중첩(97%~99%), 불안정한 대상 내 표현, 그리고 현저한 환경 민감성이 관찰되었습니다. 이러한 결과는 상용 ESP32 CSI의 제약 조건 하에서 밀집 다중 인물 보행 식별이 선택된 분리 알고리즘보다는 센싱 품질과 공간 다양성에 의해 더 크게 제한받는다는 것을 시사합니다. 본 연구 결과는 보안과 프라이버시에 직접적인 시사점을 갖습니다. 즉, 인증을 위한 견고한 다중 사용자 생체 인식 프리미티브로서 상용 WiFi CSI의 실용성에 의문을 제기함과 동시에, 저렴한 상용 WiFi 하드웨어로 달성 가능한 수동 식별 능력의 중요한 한계를 명확히 합니다.