我们周围的Wi-Fi设备不断相互传输信号，形成了一个持续回荡的无线电波环境，这些电波几乎能感知空间布局。由于信号不仅会在发射器和接收器之间传播，还会在墙壁、家具及空间内所有物体表面反射，最终携带着物体位置信息。这种回声数据被称为Wi-Fi CSI（信道状态信息），虽然以往能用来绘制房间粗略轮廓，但人工智能技术显著提升了其精确度。
东京科学研究所的研究人员开发出将潜在扩散模型与Wi-Fi CSI相结合的技术，可生成高精度且创建效率极高的房间图像。基于CSI的成像技术并非新概念，但因数据不足以还原房间全貌（且计算量过大导致速度缓慢），以往最多只能生成粗糙图像。而人工智能能通过填补数据空白实现照片级真实感——该方法将CSI映射到潜在空间而非像素空间，故被命名为“LatentCSI”。
像素空间指承载大量原始数据的常规图像，而潜在空间是现代图像生成器（如Stable Diffusion）使用的压缩内部表征。LatentCSI将Wi-Fi CSI转换至潜在空间后，输入预训练的扩散模型生成高清图像，补全仅靠Wi-Fi无法捕捉的细节与纹理。研究人员采用Stable Diffusion 3框架，改装了可接收Wi-Fi数据的编码器，显著提升了速度并降低系统开销。
核心在于“预训练”——研究人员通过拍摄房间实景照片训练模型，使其预先掌握环境特征。因此人工智能承担主要运算，而Wi-Fi CSI则提供实时空间动态：人员数量、站位分布及物体布局。尽管LatentCSI远超以往Wi-Fi成像技术，其局限在于需依赖已预训练的环境模型，无法仅凭路由器数据凭空生成房间图像。然而现有调制解调器已支持动作感知功能，由此引发的隐私隐患不容忽视。即便设想积极应用场景，最终仍会指向监控用途——虽然目前这仅是实验室演示项目。
