10:16官方账号arXiv cs.AI@Junbeom Hong, Seonghoon Yu, Hyung Rok Jung, Sundong Kim, Jeany Son研究人员提出了一种针对视觉定位的主动学习方法,解决了标注瓶颈问题。该方法在没有配套文本的情况下,通过基础模型生成辅助区域-文本对,引入" referred region ambiguity"获取函数。在RIS和REC基准测试中,该方法优于多种基线,用户研究显示标注速度提升最高达1.6倍。论文视觉定位主动学习RIS推荐理由:这个新方法能让视觉定位标注快1.6倍,特别适合需要大量标注数据的团队。原文稍后读已读值得跟进有用关注 视觉定位
10:57官方账号arXiv cs.LG@Md Tarek Hassan, Dmitry Zelenchuk, Muhammad Ali Babar Abbasi本文提出一种基于波束域机器学习的指纹定位框架,用于RIS辅助毫米波6G网络中的用户设备定位,无需信道状态信息。该方法将预设RIS反射状态下的SNR映射为用户方位角和距离,并扩展至存在跨链路干扰的SINR场景。28GHz仿真中,20x20 RIS下KNN算法在无干扰时角度MAE为0.37度、距离MAE为4厘米;有干扰时分别升至1.4度和7.6厘米。关键发现是干扰对角度估计的影响显著大于距离估计。论文RIS毫米波定位6G推荐理由:这篇论文用KNN做RIS定位,无干扰时角度误差才0.37度,有干扰也能保持在1.4度,适合搞6G定位的人参考。原文稍后读已读值得跟进有用关注 RIS