Apr, 2024

RF-Diffusion：通过时频扩散生成无线电信号

PDF
TL;DR本研究提出了 RF-Diffusion，一种用于生成各种高质量时间序列射频数据的多功能解决方案，并通过与其他三种流行的生成模型进行性能比较，证明了 RF-Diffusion 在合成 Wi-Fi 和 FMCW 信号方面的出色表现。此外，我们还展示了 RF-Diffusion 在提升 Wi-Fi 感测系统和进行 5G 网络信道估计方面的多功能性。
rf-diffusiongenerativetime-series rf datawi-fichannel estimation
发现论文，激发创造
  • 基于生成扩散模型的射频无线信道建模与采样

    本文提出了一种基于扩散模型的信道采样方法，用于快速合成有限数据中的信道实现。实验证明，相比于基于 GAN 的方法，该基于扩散模型的方法在训练稳定性和生成多样性方面表现更好，并且可以使用有限数据对真实世界信道进行建模。

    Aug, 2023

  • 频域中的时间序列扩散

    傅里叶分析和扩散模型之间存在重要的协同关系，通过在频域表示时间序列，频率扩散模型能更好地捕捉训练分布，进行了经验证实的评估。

    Feb, 2024

  • WiGenAI: 无线通信与生成式人工智能的交融：扩散模型的交响乐

    使用生成式人工智能 (generative AI)、扩散模型 (diffusion models) 和去噪扩散概率模型 (DDPM) 研究了其在无线通信系统中的应用，并提出了具有鲁棒性的 AI 原生通信系统的发展方向与开放问题。

    Oct, 2023

  • Diff-GO：扩散目标导向通信实现超高频谱效率

    基于扩散模型的生成人工智能为超高频谱效率与准确恢复传输图像信号提供了新的框架，通过计算和带宽效率权衡的方式，实现了卓越的计算 - 带宽平衡。

    Nov, 2023

  • DiffRF: 基于渲染引导的 3D 辐射场扩散

    DiffRF 是一种针对三维辐射场合成的新方法，利用去噪扩散概率模型生成体积辐射场。通过将去噪公式与渲染损失配对，我们的模型可以学习偏态先验，使其倾向于良好的图像质量而不是试图复制浮动伪像等拟合误差。与 3D GAN 相比，我们的扩散方法自然地实现了条件生成，例如掩蔽完成或推理时的单视图 3D 合成。

    Dec, 2022

  • 小波扩散模型：快速可扩展的图像生成器

    通过提出一种基于小波的扩散方案以及使用重构项来提高模型训练收敛性，本文旨在缩小扩散模型与 GAN 模型之间速度差距，实验结果证明该方案是实现实时高保真扩散模型的基础。

    Nov, 2022

  • 多尺度扩散频域精化超分辨率

    提出了一种新颖的基于频域引导的多尺度扩散模型（FDDiff），该模型通过细化的步骤将高频信息的补充过程分解为更精细的步骤，使用小波包频域链提供多尺度的中间目标，以逐步补充缺失的高频细节，并利用多尺度频率细化网络在一个统一的网络中预测所需的多尺度高频成分，通过对流模型在图像超分辨率任务中生成高质量图像，并在广泛的评估中展示了其优于先前的生成方法的结果。

    May, 2024

  • 从离散的标记到高保真音频的多频带扩散

    利用高保真多带扩散模型，基于低比特率离散表示生成任何类型的音频，其感知质量比最先进的生成技术更好。

    Aug, 2023

  • 非自回归条件扩散模型用于时间序列预测

    本文提出了一种基于 non-autoregressive diffusion model 的时间序列预测模型 TimeDiff，通过引入 future mixup 和 autoregressive initialization 两种新的条件机制，实现了高质量的时间序列预测，并在实验中展现了超过现有模型的表现。

    Jun, 2023

  • 视频传播模型调查

    近期 AI 生成内容 (AIGC) 的浪潮在计算机视觉领域取得了巨大的成功，其中扩散模型在这一成就中发挥了至关重要的作用。本文在 AIGC 时代提供了对视频扩散模型的全面回顾，包括视频生成、视频编辑和其他视频理解任务的研究概述，并讨论了该领域面临的挑战以及未来的发展趋势。

    Oct, 2023