📖 AI 总结

WiSPER 是一种面向 WiFi CSI 多人 3D 姿态估计的两阶段框架，旨在解决不同人体反射信号相互重叠、难以直接定位关节的难题。该方法将姿态感知的预测式预训练与条件残差流细化相结合：第一阶段通过掩码隐变量预测并辅以姿态集监督，引导编码器从部分观测中学习关节定位；第二阶段利用 Transformer 生成可变数量的姿态候选，并依据粗坐标与逐关节解码特征进行条件流细化。训练阶段使用配对的 CSI 与姿态标注，推理时仅需 CSI。在 PiW3D 数据集上，WiSPER 的平均逐关节位置误差为 63.72 毫米，较 WiFi-JEPA 降低 40.0%；两人和三人场景下 MPJPE 分别下降 42.1% 和 38.1%，残差细化模块进一步带来 13.8% 至 15.6% 的误差改善。该工作表明显式姿态监督与残差流细化能有效提升 WiFi 感知姿态估计的精度与多人适应能力。

🔑 关键词速览