本稿では、モーションキャプチャ（MoCap）データからレーダースペクトログラムを合成する完全な機械学習プロセスを提案しています。MoCapからスペクトログラムへの変換を、MoCapマーカー間の空間関係とフレーム間の時間的ダイナミクスを同時に捉えるトランスフォーマーベースのモデルを用いたウィンドウ化されたシーケンス間タスクとして定式化します。実世界の実験により、このアプローチが視覚的および定量的に妥当なドップラーレーダースペクトログラムを生成し、良好な一般化能力を持つことが示されています。アブレーション実験は、学習されたモデルが身体の異なる部位間の空間関係を理解しつつ、複数部位の動きをドップラー署名に変換する能力を備えていることを示しています。この成果は、時間系列信号処理におけるトランスフォーマーの応用の興味深い例であり、エッジコンピューティングやIoTレーダーに特に適用可能です。また、希少なレーダーデータセットをより豊富なMoCapデータで補強する能力も示唆されています。物理ベースの方法に比べ、はるかに少ない計算でレーダーデータを生成する点も特筆すべきです。