시각 정보와 무선 센싱의 융합: 3차원 무선 지도 구축을 위한 통합 방사 필드

Bridging Visual and Wireless Sensing: A Unified Radiation Field for 3D Radio Map Construction

차세대 무선 네트워크의 다양한 응용 분야(예: 몰입형 3차원 통신, 저고도 네트워크, 통합 센싱 및 통신)는 고정밀 환경 정보를 필요로 합니다. 3차원 무선 지도는 이러한 목적을 위해 중요한 도구로, 물리적 환경과 전자기 신호 전파 사이의 간극을 해소하여 주파수 인식 기반의 계획 및 환경 인식 센싱을 가능하게 합니다. 그러나 정확한 3차원 무선 지도를 구축하려면 정밀한 3차원 기하학 정보와 전자기파 전파에 대한 깊은 이해가 필요합니다. 기존 방식은 일반적으로 광학 및 무선 정보를 서로 다른 방식으로 취급하여, 빛과 전자기파 전파를 지배하는 근본적인 물리적 원리를 활용하지 못합니다. 이러한 간극을 해소하기 위해, 우리는 3차원 가우시안 스플래팅(3D-GS) 및 역 렌더링을 기반으로 정확하고 일반화 가능한 3차원 무선 지도 구축을 위한 통합 무선-광학 방사 필드 표현 프레임워크인 URF-GS를 제안합니다. URF-GS는 시각 및 무선 센싱 데이터를 융합하여 장면의 기하학적 구조와 재료 특성을 복원하는 동시에, 임의의 송신-수신(Tx-Rx) 구성에서 무선 신호의 동작을 정확하게 예측합니다. 실험 결과는 URF-GS가 신경망 방사 필드(NeRF) 기반 방법과 비교하여 공간 주파수 예측 정확도에서 최대 24.7% 향상, 3차원 무선 지도 구축에 대한 샘플 효율성 10배 향상을 달성함을 보여줍니다. 본 연구는 전체적인 방사 필드 재구성을 통해 인식, 상호 작용 및 통신을 통합하여 차세대 무선 네트워크의 기반을 마련합니다.

The emerging applications of next-generation wireless networks (e.g., immersive 3D communication, low-altitude networks, and integrated sensing and communication) necessitate high-fidelity environmental intelligence. 3D radio maps have emerged as a critical tool for this purpose, enabling spectrum-aware planning and environment-aware sensing by bridging the gap between physical environments and electromagnetic signal propagation. However, constructing accurate 3D radio maps requires fine-grained 3D geometric information and a profound understanding of electromagnetic wave propagation. Existing approaches typically treat optical and wireless knowledge as distinct modalities, failing to exploit the fundamental physical principles governing both light and electromagnetic propagation. To bridge this gap, we propose URF-GS, a unified radio-optical radiation field representation framework for accurate and generalizable 3D radio map construction based on 3D Gaussian splatting (3D-GS) and inverse rendering. By fusing visual and wireless sensing observations, URF-GS recovers scene geometry and material properties while accurately predicting radio signal behavior at arbitrary transmitter-receiver (Tx-Rx) configurations. Experimental results demonstrate that URF-GS achieves up to a 24.7% improvement in spatial spectrum prediction accuracy and a 10x increase in sample efficiency for 3D radio map construction compared with neural radiance field (NeRF)-based methods. This work establishes a foundation for next-generation wireless networks by integrating perception, interaction, and communication through holistic radiation field reconstruction.