TL;DR
- چکیده: درک محیطی سهبعدی قوی برای کاربردهایی مانند رانندگی مستقل و ناوبری ربات بسیار مهم است.
- با این حال،.
- سنسورهای نوری مانند دوربینها و LiDAR اغلب در شرایط نامطلوب،.
چه اتفاقی افتاد
چکیده: درک محیطی سهبعدی قوی برای کاربردهایی مانند رانندگی مستقل و ناوبری ربات بسیار مهم است. با این حال،.
سنسورهای نوری مانند دوربینها و LiDAR اغلب در شرایط نامطلوب،. از جمله دود،.
مه،. و نور غیر ایده آل از کار میافتند.
اگرچه سیستمهای رادار تخصصی میتوانند در این محیطها کار کنند،. اما اتکای آنها به سخت افزار سفارشی و طیف مجاز،.
مقیاس پذیری و مقرون به صرفه بودن را محدود میکند. این مقاله Rascene را معرفی میکند،.
یک چارچوب حسگر و ارتباطات یکپارچه (ISAC) که از سیگنالهای ارتباطی فراگیر mmWave OFDM برای تصویربرداری صحنه سهبعدی. استفاده میکند.
برای غلبه بر ماهیت پراکنده و مبهم چند مسیری فریمهای رادیویی منفرد،. Rascene ترکیب چند فریمیو تطبیقی فضایی را با پیشبینی رو به جلو با وزن مطمئن انجام میدهد.
و امکان بازیابی اجماع هندسی در موقعیتهای دلخواه را فراهم میکند. نتایج تجربی نشان میدهد که روش ما صحنههای سهبعدی را با دقت بالا بازسازی میکند،.
و مسیر جدیدی را به سوی ادراک سهبعدی کمهزینه،. مقیاسپذیر و قوی ارائه میدهد.
CVPR 2026 پذیرفته شده است بینایی کامپیوتری و تشخیص الگو (cs. CV) استناد بهعنوان: (یا v1 [cs.
CV] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Kunzhe Song [مشاهده ایمیل] [v1] جمعه،. 3 آوریل 2026،.
00:. 46:.
49 UTC (3,. 857 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.