효율적인 무선 복사 필드 렌더링을 위한 변형 가능한 2D 가우시안 스플래팅

무선 복사 필드(WRF)를 모델링하는 것은 현대 통신 시스템의 기본이며, 위치 추적, 감지 및 채널 추정과 같은 주요 작업을 가능하게 합니다. 전통적인 접근 방법은 경험적 공식이나 물리적 시뮬레이션에 의존하는데, 이는 종종 제한된 정확성으로 고통받거나 강한 장면 사전 지식을 요구합니다. 최근의 신경 복사 필드(NeRF) 기반 방법은 미분 가능 볼륨 렌더링을 통해 재구성 충실도를 개선하였으나, 계산 비용이 많이 드는 다층 퍼셉트론(MLP) 쿼리에 의존하여 실시간 배치를 방해합니다. 이러한 문제를 극복하기 위해, 우리는 무선 영역에 가우시안 스플래팅(GS)을 도입하여 광학 복사 필드를 모델링하는 데 있어 효율성을 활용하여 Compact하고 정확한 WRF 재구성을 가능하게 합니다. 구체적으로, 우리는 단일 측면 송수신기 이동성 하에서 임의의 위치에서 WRF 스펙트럼을 합성하는 변형 가능한 2D 가우시안 스플래팅 프레임워크인 SwiftWRF를 제안합니다. SwiftWRF는 100k FPS 이상의 속도로 스펙트럼을 렌더링하기 위해 CUDA 가속 래스터화를 사용하며, 가벼운 MLP를 사용하여 2D 가우시안의 변형을 모델링하여 이동으로 인한 WRF 변화를 효과적으로 포착합니다. 새로운 스펙트럼 합성과 더불어, SwiftWRF의 효능은 도착 각도(AoA) 및 수신 신호 강도 지표(RSSI) 예측에서의 응용에서 더욱 강조됩니다. 실제 및 합성 실내 장면에서 수행된 실험은 SwiftWRF가 기존의 최첨단 방법보다 최대 500배 더 빠르게 WRF 스펙트럼을 재구성할 수 있으며, 신호 품질을 크게 향상시킨다는 것을 보여줍니다.