WiSER: A Wireless Scene Encoder for Geometry-Grounded Multi-View Wireless Prediction

기술 요약: WiSER - 기하학적 기반의 멀티뷰 무선 예측을 위한 무선 장면 인코더

문제 정의
실내 무선 전파는 3D 기하 구조, 라디오-재질 특성, 송신기-수신기 구성에 의해 결정되는 장면 조건부 물리 프로세스이다. 고전적인 확률 모델은 사이트별 구조를 추상화하여 생략하고, 결정론적 레이 트레이싱(ray-tracing) 시뮬레이터는 반복적인 쿼리에 대해 계산 비용이 많이 들지만, 학습 기반 방법론들이 대리 모델(surrogate)로서 등장했다. 그러나 기존의 학습 기반 접근 방식들은 대개 분절되어 있다. 라디오맵(radiomap) 예측기는 조밀한 공간 필드 회귀(집계된 커버리지)에 집중하는 반면, 채널 임펄스 응답(CIR) 예측기는 링크 레벨의 다중 경로 구조(희소하고 순서가 없는 지연-전력 탭 세트)에 집중한다. 이러한 분리는 서로 다른 이종 무선 뷰(heterogeneous wireless views)가 동일한 물리적 장면에 대한 공유되고 재사용 가능한 표현으로부터 디코딩될 수 있는지에 대한 의문을 제기한다. 현재의 데이터셋들은 단일 출력 표현(예: 고정된 채널 행렬 또는 독립적인 라디오맵)만을 목표로 하는 경우가 많아, 이러한 통합된 모델을 훈련하는 데 필요한 공동 등록(co-registration)이 부족한 경우가 많다.

방법론: WiSER 아키텍처
본 논문은 조밀한 라디오맵 예측과 가변 카디널리티(cardinality)의 다중 경로 CIR 예측을 모두 지원하는, 재사용 가능한 송신기 조건부 희소 3D 장면 표현을 학습하도록 설계된 프레임워크인 WiSER(Wireless Scene Encoder)를 제안한다.

1. 장면 표현 (Scene Representation): 실내 환경은 빈 공간에 대한 조밀한 계산을 피하기 위해 점유된 표면과 객체만을 유지하는 희소 3D 복셀 세트($V_S$)로 표현된다. 특징에는 점유율, 색상, 의미론적 범주 및 재질 속성이 포함된다.
2. 송신기 조건부 희소 장면 메모리 (Transmitter-Conditioned Sparse Scene Memory): 공유 인코더는 희소 복셀 장면과 송신기 위치($x_t$)를 멀티 해상도 메모리($Z_\phi$)로 매핑한다.
   • 로컬 메모리 ($X_{loc}$): 미세 스케일 메모리는 점유된 표면 근처의 기하 구조를 유지하며, 다양한 송신기 배치에 대한 재사용성을 보장하기 위해 송신기에 무관하게 유지된다.
   • 글로벌 메모리 ($M_{tx}$): 컴팩트한 글로벌 메모리는 현재 송신기 배치 하에서의 장면을 요약한다. 이는 Fourier 위치 특징과 MLP로부터 유도된 $x_t$의 임베딩에 의해 AdaLN-zero(Adaptive Layer Normalization zero) 컨디셔닝을 통해 변조된다.
3. 이중 디코더 (Dual Decoders): 두 개의 구조 인식 디코더가 공유 메모리를 쿼리한다.
   • 레이-코리더 라디오맵 디코더 (Ray-Corridor Radiomap Decoder): 조밀한 수신기 평면 경로 이득(path-gain) 예측을 위해, 이 디코더는 "레이-코리더 게더링(ray-corridor gathering)" 메커니즘을 채택한다. 모든 복셀에 어텐션을 주는 대신, 송신기-수신기 세그먼트 및 엔드포인트 근처의 컴팩트한 장면 토큰 세트를 선택한다. 이는 기하학적으로 제약된 어텐션 희소화 장치로 작용하며, 쿼리가 발생 가능한 차단물(blocker) 및 반사체(reflector)에 노출되도록 함으로써 약한 전파 사전 지식(prior)을 주입한다. 출력은 조밀한 경로 이득 필드이다.
   • DETR 스타일의 CIR 세트 디코더 (DETR-Style CIR Set Decoder): 다중 경로 CIR 예측을 위해, 이 디코더는 출력을 가변 카디널리티를 가진 순서 없는 지연-전력 탭의 세트로 취급한다. 이는 $K$개의 학습 가능한 후보 탭 쿼리를 사용하는 DETR(Detection Transformer) 스타일의 헤드를 사용한다. 쿼리는 수신기 위치에 따라 조건화되며 글로벌 장면 메모리에 어텐션을 수행한다. 헝가리안 매칭(Hungarian matching) 알고리즘은 예측된 탭을 실제 경로(ground-truth paths)와 정렬하여 순열 불변(permutation-invariant) 감독을 가능하게 한다.
4. 훈련 전략 (Training Strategy): 작업의 이질성(조밀한 회귀 vs. 희소 세트 예측)과 서로 다른 손실 스케일로 인해, 본 논문은 웜 스타트 교대 최적화(warm-started alternating optimization) 전략을 사용한다. 모델은 단일 작업 체크포인트로 초기화된 후, 짧은 공동 정렬 단계와, 공유 인코더 및 활성화된 디코더는 업데이트하고 비활성화된 디코더는 동결하는 교대 작업 중심 업데이트 단계를 거친다.

데이터셋 구축
이러한 멀티뷰 학습을 가능하게 하기 위해, 저자들은 ScanNet++ 장면과 Sionna 레이 트레이싱을 사용하여 공동 등록된 실내 장면 및 무선 데이터셋 파이프라인을 구축하였다.

• 공동 등록 (Co-Registration): 파이프라인은 단일 ScanNet++ 장면을 모델을 위한 희소 복셀 표현과 라벨 생성을 위한 Sionna 호환 라디오 장면으로 변환한다.
• 라벨 (Labels): 공통 좌표계와 전파 구성을 사용하여 정렬된 조밀한 라디오맵 라벨(경로 이득 필드)과 순서 없는 다중 경로 CIR 탭 세트(지연 및 전력)를 생성한다.
• 다중 경로 통합 (Multipath Consolidation): 희소 복셀 입력의 해상도와 일치시키기 위해, 원시 레이 트레이싱 경로는 상호작용 깊이, 상호작용 유형 시퀀스 및 양자화된 바운스-복셀 시퀀스를 기반으로 대표 탭으로 통합되어, 감독 대상이 장면 표현에 의해 해상 가능하도록 보장한다.

핵심 기여

1. 문제 정의: 본 논문은 라디오맵과 다중 경로 CIR 예측을 동일한 장면 조건부 전파 프로세스의 상보적인 뷰로 정의하여, 재사용 가능한 기하학 기반 표현 학습을 위한 구체적인 설정을 확립한다.
2. 데이터셋 파이프라인: 희소 3D 장면 기하, 송신기/수신기 구성, 그리고 조밀한 라디오맵 및 경로 레벨의 CIR 라벨을 공동 등록하는 ScanNet++/Sionna 기반 파이프라인을 도입한다.
3. WiSER 모델: 송신기 조건부 희소 3D 인코더와 두 개의 특화된 디코더(라디오맵을 위한 레이-코리더 및 CIR을 위한 DETR 스타일)를 특징으로 하는 WiSER 아키텍처를 제안한다.
4. 실험적 검증: 단일 공유 표현이 집계된 커버리지와 경로 레벨의 채널 예측을 모두 지원할 수 있음을 입증하며, 장면 특정 베이스라인보다 우수한 성능을 보여준다.

실험 결과
모델은 100개의 훈련 장면과 10개의 홀드아웃(held-out) 장면에 대해 평가되었다.

• 라디오맵 예측: WiSER는 3.834 dB의 MAE와 5.500 dB의 RMSE를 달성하여, 장면 특정 베이스라인인 NeRF2(8.238 dB MAE) 및 RF-3DGS(4.585 dB MAE)를 능가했다. 특히, WiSER는 멀티 씬 세트에서 한 번 훈련되어 재사용된 반면, 베이스라인들은 각 장면에 대해 별도로 최적화되었다.
• 다중 경로 CIR 예측: WiSER는 5.89 dB의 매치된 피크 전력 MAE와 0.61 ns의 지연 MAE를 달성하여, 3D CNN(11.50 dB 피크 전력 MAE, 1.50 ns 지연 MAE)을 포함한 참조 베이스라인을 크게 앞질렀다.
• 절제 연구 (Ablation Studies): 레이-코리더 게더링이나 수신기 셀프 어텐션을 제거하면 라디오맵 성능이 저하되었다. 마찬가지로, CIR 디코더에서 크로스 어텐션이나 셀프 어텐션을 제거하면 특히 경로 수 예측에서 CIR 정확도가 심각하게 저하되었다.
• 훈련 전략: 무작위 초기화로부터 직접적인 공동 훈련을 수행하면 언더피팅(underfitting)이 발생했다. 웜 스타트 교대 전략이 이종 감독 하에서 공유 인코더를 효과적으로 훈련하는 데 필요함을 보여주었다.

의의 및 주장
본 논문은 송신기 조건부 희소 3D 장면 표현이 이종 전파 쿼리에 대한 재사용 가능한 무선 장면 인코더 역할을 할 수 있음을 입로 증명한다고 주장한다. 격리된 예측기가 아닌 공유된 장면 메모리를 학습함으로써, 모델은 단일 아키텍처 내에서 조밀한 커버리지 레벨과 희소한 경로 레벨 예측을 모두 지원한다. 저자들은 이를 "AI 네이티브 무선 시스템을 위한 표현 학습 및 파운데이션 모델 개발을 향한 기하학적 기반의 단계"로 규정하며, 디코더가 각 출력 공간의 특정 구조에 맞춰져 있다면 물리적 환경 자체가 여러 다운스트림 무선 작업을 위한 재사용 가능한 표현을 제공할 수 있음을 시사한다.