Så fungerar LatentCSI: från Wi‑Fi‑ekon till fotorealistiska inomhusbilder

Forskare vid Tokyo Institute of Science har presenterat LatentCSI — en metod som omvandlar Wi‑Fi‑radiosignaler till fotorealistiska bilder av inomhusmiljöer med hjälp av en förtränad diffusionsmodell. Upplägget är i grunden enkelt men tekniskt elegant: reflektioner från väggar och möbler (CSI) bär geometrisk information om rummet, och ett neuralt nätverk byggt på Stable Diffusion 3 fyller i de saknade detaljerna i det latenta rummet och förvandlar svaga ekon till en sammanhängande bild.

LatentCSI överträffar tidigare angreppssätt: det kör snabbare och fångar fler detaljer eftersom allt sker i en komprimerad latent representation i stället för på pixelnivå. Det finns dock en avgörande begränsning. Modellen behöver förträning på fotografier av liknande rum; utan den grundträningen fungerar metoden inte. Den beroendekedjan binder systemet till välkända miljöer och håller förväntningarna på mattan — en rimlig kompromiss, men också en påminnelse om att generalisering har ett pris.

I praktiken öppnar det för många tänkbara användningar: säkerhetsövervakning i industrimiljöer, stöd för robotdammsugare och analys av butikslokaler. Samtidigt är integriteten den stora stötestenen. LatentCSI visar hur snabbt ett hjälpmedel kan glida över mot övervakning. Framsteget imponerar, men kräver snabba besked från både tillsynsmyndigheter och tillverkare; utan tydliga och öppna regler riskerar tekniken att bli ett verktyg för spårning snarare än ett hjälpmedel.