WiSPER框架：用WiFi CSI实现更精准的多人三维姿态估计

利用WiFi信道状态信息（CSI）进行多人三维姿态估计，是当前无线感知领域的热点方向之一。由于不同人体的反射信号在空间中相互叠加，CSI数据本身缺少直接对应每个关节点的标识信息，这给多人姿态的精细化重建带来了困难。已有研究尝试借助掩码嵌入的自监督方式捕捉信号中的关联特征，但缺少对姿态的显式监督；同时部分结构化解码方案在关节点坐标的精度上也存在提升空间。

WiSPER提出了一种两阶段的处理框架。第一阶段称为姿态感知掩码嵌入学习（PAMEL），在同一段CSI上下文上同时进行掩码潜变量预测与辅助姿态集合监督，引导编码器从部分观测中推断关节点位置。第二阶段是基于Transformer的残差流精化模块（ReFT），先生成一组姿态候选以适配场景中人数的变化，再以粗略坐标与各关节点解码特征为条件，通过条件流对每个候选进行残差修正。训练阶段使用成对的CSI与姿态标注，推理时仅需CSI输入。

研究团队在公开数据集PiW3D上对WiSPER进行了系统评估。结果显示，该方法在整体多人场景下的平均关节点位置误差为63.72毫米，较此前的代表性方法WiFi-JEPA降低约40.0%；在两人与三人场景下，误差降幅分别达到42.1%与38.1%。此外，姿态监督预训练配置的误差低于纯CSI的自监督基线，启用训练后的残差精化器可在各配置上将整体MPJPE进一步降低13.8%至15.6%。

【空音视角】 从非接触式无线感知从业者的角度看，WiSPER将显式姿态监督引入到无线信号预训练阶段，呼应了视觉领域从纯自监督向任务导向预训练迁移的整体趋势。其针对变人数、多人场景设计的候选生成与残差流精化机制，也与智慧养老、智慧病房中对跌倒检测和多人姿态监测的实际需求方向契合。需要指出的是，该方法目前仅在单一公开数据集PiW3D上完成验证，跨环境、跨硬件平台的泛化能力，以及与生命体征监测任务的协同应用，仍有待后续研究进一步检验。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 计算机视觉 原文链接：https://arxiv.org/abs/2610.07025