.png){kind=icon}
返回
CoSCF: Gradient-Aware Surrogate Optimization for Task-Oriented Collaborative Sensing
.png){kind=icon}
PRE
AI
DOI：10.1109/lcomm.2026.3745632.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多视角WiFi感知增强了相对于单链路感知的鲁棒性，但传输所有中间特征会带来高昂的通信开销。现有压缩方法缺乏量化各视角任务相关性的机制，导致面向任务的感知中均匀压缩效率低下。因此，我们将多视角协同感知表述为双层问题，并提出CoSCF，它优化该问题的单层代理而非精确求解。训练过程中，采用两阶段梯度反馈机制将任务目标反向传播，以衡量每个特征通道的判别性贡献，并指导边缘设备执行可微的、自适应的比特分配和通道稀疏化。实验结果表明，在严格的带宽约束下，CoSCF实现了卓越的任务性能，并显著优于基于数据重建和特征压缩的现有方法。
Keyword:
Channel state information (CSI)
differentiable communication control
edge-cloud collaboration
multi-view inference
task-aware compression
WiFi sensing
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.4W
机构
引用论文
SenseFi: A library and benchmark on deep-learning-empowered WiFi human sensingSenseFi: 基于深度学习的WiFi人体感应的库和基准.png)
PATTERNS
OAAI
PATTERNSIF7.4
OAAI分享收藏
分享收藏
查看更多内容