論文の概要: A Variational Auto-Encoder Approach for Image Transmission in Wireless Channel

• arxiv url: http://arxiv.org/abs/2010.03967v1
• Date: Thu, 8 Oct 2020 13:35:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 13:15:32.204113
• Title: A Variational Auto-Encoder Approach for Image Transmission in Wireless Channel
• Title（参考訳）: 無線チャネルにおける画像伝送のための変分オートエンコーダ法
• Authors: Amir Hossein Estiri, Mohammad Reza Sabramooz, Ali Banaei, Amir Hossein Dehghan, Benyamin Jamialahmadi, Mahdi Jafari Siavoshani
• Abstract要約: 本稿では,変分オートエンコーダの性能について検討し,その結果を標準オートエンコーダと比較する。 実験により,SSIMは受信機における再構成画像の品質を視覚的に向上することを示した。
• 参考スコア（独自算出の注目度）: 4.82810058837951
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in information technology and the widespread use of the Internet have led to easier access to data worldwide. As a result, transmitting data through noisy channels is inevitable. Reducing the size of data and protecting it during transmission from corruption due to channel noises are two classical problems in communication and information theory. Recently, inspired by deep neural networks' success in different tasks, many works have been done to address these two problems using deep learning techniques. In this paper, we investigate the performance of variational auto-encoders and compare the results with standard auto-encoders. Our findings suggest that variational auto-encoders are more robust to channel degradation than auto-encoders. Furthermore, we have tried to excel in the human perceptual quality of reconstructed images by using perception-based error metrics as our network's loss function. To this end, we use the structural similarity index (SSIM) as a perception-based metric to optimize the proposed neural network. Our experiments demonstrate that the SSIM metric visually improves the quality of the reconstructed images at the receiver.
• Abstract（参考訳）: 近年の情報技術の進歩とインターネットの普及により、世界中のデータへのアクセスが容易になった。 その結果、ノイズの多いチャネルを介してデータを送信することは避けられない。 データのサイズを小さくし、チャネルノイズによる送信時に保護することは、通信理論と情報理論の2つの古典的な問題である。 近年、ディープニューラルネットワークが様々なタスクで成功したことに触発されて、深層学習技術を用いてこれらの2つの問題に対処する多くの研究がなされている。 本稿では,変分オートエンコーダの性能を調査し,その結果を標準オートエンコーダと比較する。 自動エンコーダは自動エンコーダよりもチャネル劣化に強いことが示唆された。 さらに,ネットワークの損失関数として知覚に基づく誤差指標を用いて,再構成画像の人間の知覚品質を向上する試みを行った。 この目的のために、ニューラルネットワークを最適化するために、認識に基づく指標として構造類似度指数(SSIM)を用いる。 実験により,SSIMは受信機における再構成画像の品質を視覚的に向上することを示した。

関連論文リスト

• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Age of Information in Deep Learning-Driven Task-Oriented Communications [78.84264189471936]
  本稿では,その送信機におけるデータを利用した受信機におけるタスク実行を目的とした,タスク指向コミュニケーションにおける年齢概念について検討する。 送信機-受信機操作は、共同で訓練されたディープニューラルネットワーク(DNN)のエンコーダ-デコーダペアとしてモデル化される。
  論文  参考訳（メタデータ） (2023-01-11T04:15:51Z)
• Semantic Communication Enabling Robust Edge Intelligence for Time-Critical IoT Applications [87.05763097471487]
  本稿では、時間クリティカルなIoTアプリケーションのためのセマンティック通信を用いて、堅牢なエッジインテリジェンスを設計することを目的とする。 本稿では,画像DCT係数が推定精度に与える影響を解析し,オフロードのためのチャネル非依存の有効性符号化を提案する。
  論文  参考訳（メタデータ） (2022-11-24T20:13:17Z)
• Efficient spike encoding algorithms for neuromorphic speech recognition [5.182266520875928]
  スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックプロセッサの実装に非常に効果的である。 実値信号は、SNNに適さない実値信号として符号化される。 本稿では,話者独立桁分類システムにおける4つのスパイク符号化手法について検討する。
  論文  参考訳（メタデータ） (2022-07-14T17:22:07Z)
• Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
  オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。 本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。 我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
  論文  参考訳（メタデータ） (2022-02-09T18:48:02Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Bandwidth-Agile Image Transmission with Deep Joint Source-Channel Coding [7.081604594416339]
  画像が時間や頻度で徐々に層に伝達されるシナリオを考察する。 DeepJSCC-$l$は、畳み込みオートエンコーダを使用する革新的なソリューションである。 DeepJSCC-$l$は、低信号対雑音比(SNR)と小さな帯域幅規則の挑戦において、最先端のデジタルプログレッシブ伝送方式と同等の性能を持つ。
  論文  参考訳（メタデータ） (2020-09-26T00:11:50Z)
• The FaceChannel: A Fast & Furious Deep Neural Network for Facial Expression Recognition [71.24825724518847]
  顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。 私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。 我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
  論文  参考訳（メタデータ） (2020-09-15T09:25:37Z)
• Infomax Neural Joint Source-Channel Coding via Adversarial Bit Flip [41.28049430114734]
  本稿では、ニューラルジョイント・ソース・チャネル符号化方式の安定性と堅牢性を改善するために、Infomax Adversarial-Bit-Flip (IABF) と呼ばれる新しい正規化手法を提案する。 我々のIABFは、圧縮と誤り訂正のベンチマークの両方で最先端のパフォーマンスを達成でき、ベースラインをかなりの差で上回ることができる。
  論文  参考訳（メタデータ） (2020-04-03T10:00:02Z)
• Neural Communication Systems with Bandwidth-limited Channel [9.332315420944836]
  情報損失にもかかわらずメッセージを確実に送信することは情報理論の中核的な問題である。 本研究では,帯域幅制限チャネル(BWLC)を用いた符号化学習について検討する。
  論文  参考訳（メタデータ） (2020-03-30T11:58:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。