DiffRefiner: Uncertainty-Aware Diffusion-Driven Latent Correction for Robust Spectrogram Analysis

doi:10.1109/lcomm.2026.3733310

DiffRefiner: Uncertainty-Aware Diffusion-Driven Latent Correction for Robust Spectrogram Analysis

2026-09-11

0

PRE

AI

DOI：10.1109/lcomm.2026.3733310

原文链接

原文求助

摘要

En 中文

在复杂射频（RF）环境中，无线频谱图分割受到严重信号退化和长期演进（LTE）、5G新空口（NR）及雷达信号共存的阻碍，导致频谱特征碎片化和边界模糊。传统单次通过、确定性的架构因无法在初始编码阶段引入结构不一致性后进行修正而存在根本性限制。为解决这些限制，我们提出DiffRefiner，一种轻量级编码器-潜在细化-解码器框架，将分割重新表述为迭代扩散驱动的潜在修正过程。将编码器输出视为初始语义假设，模型在紧凑的潜在空间中进行细化，便于针对结构错误进行校正同时保留全局语义。生成的校正信号随后被投影回特征域，并通过不确定性感知反馈机制选择性地整合到更深层次表示中，以增强模糊区域的鲁棒性。实验评估表明，DiffRefiner在仅4.05百万参数和5.46毫秒推理延迟下，达到96.98%的平均准确率和94.86%的mIoU，为干扰环境下的高保真频谱监测建立了卓越的准确率-效率帕累托前沿。

Keyword:

Semantic segmentation

diffusion-based refinement

latent diffusion

lightweight segmentation

DiffRefiner: Uncertainty-Aware Diffusion-Driven Latent Correction for Robust Spectrogram Analysis

摘要

期刊

机构

引用论文