論文の概要: Nonlinear Transform Source-Channel Coding for Semantic Communications
- arxiv url: http://arxiv.org/abs/2112.10961v1
- Date: Tue, 21 Dec 2021 03:30:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-22 14:19:47.093433
- Title: Nonlinear Transform Source-Channel Coding for Semantic Communications
- Title（参考訳）: 意味コミュニケーションのための非線形変換源チャネル符号化
- Authors: Jincheng Dai, Sixian Wang, Kailin Tan, Zhongwei Si, Xiaoqi Qin, Kai
Niu, Ping Zhang
- Abstract要約: 本稿では,非線形変換の下での音源分布に密に適応できる,高効率なディープジョイントソースチャネル符号化法を提案する。
本モデルでは, 非線形変換を強みとして組み込んで, 音源のセマンティックな特徴を効果的に抽出する。
特に、NTSCC法は、その活発なコンテンツ認識能力のために、将来的なセマンティックコミュニケーションをサポートする可能性がある。
- 参考スコア（独自算出の注目度）: 7.81628437543759
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a new class of high-efficient deep joint
source-channel coding methods that can closely adapt to the source distribution
under the nonlinear transform, it can be collected under the name nonlinear
transform source-channel coding (NTSCC). In the considered model, the
transmitter first learns a nonlinear analysis transform to map the source data
into latent space, then transmits the latent representation to the receiver via
deep joint source-channel coding. Our model incorporates the nonlinear
transform as a strong prior to effectively extract the source semantic features
and provide side information for source-channel coding. Unlike existing
conventional deep joint source-channel coding methods, the proposed NTSCC
essentially learns both the source latent representation and an entropy model
as the prior on the latent representation. Accordingly, novel adaptive rate
transmission and hyperprior-aided codec refinement mechanisms are developed to
upgrade deep joint source-channel coding. The whole system design is formulated
as an optimization problem whose goal is to minimize the end-to-end
transmission rate-distortion performance under established perceptual quality
metrics. Across simple example sources and test image sources, we find that the
proposed NTSCC transmission method generally outperforms both the analog
transmission using the standard deep joint source-channel coding and the
classical separation-based digital transmission. Notably, the proposed NTSCC
method can potentially support future semantic communications due to its
vigorous content-aware ability.
- Abstract（参考訳）: 本稿では,非線形変換下での音源分布に密接に適応し,それを非線形変換源チャネル符号化 (ntscc) という名で収集できる,高効率な深層結合型ソースチャネル符号化手法を提案する。
検討されたモデルでは、送信機はまず非線形解析変換を学習し、ソースデータを潜時空間にマッピングし、次いで深部ジョイントソースチャネル符号化により遅延表現を受信機に送信する。
本モデルでは, 非線形変換を強みとして組み込んで, ソースセマンティックな特徴を効果的に抽出し, ソースチャネル符号化のための側情報を提供する。
従来のディープ・ジョイント・ソース・チャネル符号化法とは異なり、ntsccは基本的に、ソース・潜在表現とエントロピーモデルの両方を、潜在表現に先立って学習する。
そこで, 新たな適応率伝送機構と高優先度コーデック改善機構を開発し, ディープジョイントソースチャネル符号化を改良する。
システム設計全体を最適化問題として定式化し、その目的は、確立された知覚品質指標の下でのエンドツーエンドの伝送速度歪み性能を最小化することである。
簡単なサンプルソースとテスト画像のソースをまたがって,提案手法は,標準のディープ・ジョイント・ソース・チャネル符号化を用いたアナログ伝送と,古典的分離に基づくディジタル伝送を両立させるのが一般的である。
特に、ntscc法は、その活発なコンテンツ認識能力により、将来のセマンティックコミュニケーションをサポートする可能性がある。
関連論文リスト
- Learned Image Transmission with Hierarchical Variational Autoencoder [28.084648666081943]
画像伝送のための革新的階層型ジョイントソースチャネル符号化(HJSCC)フレームワークを提案する。
提案手法では,送信側のボトムアップパスとトップダウンパスの組み合わせを利用して,元の画像の複数の階層表現を自動回帰的に生成する。
提案手法は, 周波数歪み特性において既存のベースラインより優れ, チャネルノイズに対するロバスト性を維持している。
論文 参考訳（メタデータ） (2024-08-29T08:23:57Z) - Multi-level Reliability Interface for Semantic Communications over Wireless Networks [5.9056146376982]
ジョイントソースチャネル符号化(JSCC)は、ソースメッセージをチャネル入力シンボルに直接マッピングする。
本稿では,新しいマルチレベル信頼性インタフェースを用いて,ソースマッピングとチャネルマッピングを個別に,順次に設計することを提案する。
この研究は、無線ネットワークにおける意味コミュニケーションの実現に向けた重要なステップである。
論文 参考訳（メタデータ） (2024-07-07T20:15:10Z) - Deep Joint Semantic Coding and Beamforming for Near-Space Airship-Borne Massive MIMO Network [70.63240823677182]
近距離飛行船搭載通信網は、緊急に信頼性と効率のよい飛行船対Xリンクを必要とする。
本稿では,MIMO(Multiple-Input multiple-output)技術とセマンティックコミュニケーションを統合することを提案する。
論文 参考訳（メタデータ） (2024-05-30T09:46:59Z) - Semantics Alignment via Split Learning for Resilient Multi-User Semantic
Communication [56.54422521327698]
最近の意味コミュニケーションの研究は、ディープジョイントソースやチャネルコーディング(DeepJSCC)のようなニューラルネットワーク(NN)ベースのトランシーバに依存している。
従来のトランシーバとは異なり、これらのニューラルトランシーバは実際のソースデータとチャネルを使用してトレーニング可能であり、セマンティクスを抽出し通信することができる。
本稿では,分割学習(SL)と部分的NN微調整技術を活用する分散学習ベースソリューションを提案する。
論文 参考訳（メタデータ） (2023-10-13T20:29:55Z) - Distributed Deep Joint Source-Channel Coding over a Multiple Access
Channel [0.0]
ディープジョイントソースチャネル符号化(DeepJSCC)を用いたノイズの多い多重アクセスチャネル(MAC)上の分散画像伝送について検討する。
本稿では,非直交的な方法で圧縮された画像表現を送信する,新しい共同画像圧縮・伝送方式を提案する。
現在のDeepJSCCを用いた伝送と比較して,再構成画像の品質は大幅に向上した。
論文 参考訳（メタデータ） (2022-11-17T22:36:03Z) - Toward Adaptive Semantic Communications: Efficient Data Transmission via
Online Learned Nonlinear Transform Source-Channel Coding [11.101344530143303]
深層学習モデルの過剰適合性を利用したオンライン学習型ジョイントソースとチャネルコーディング手法を提案する。
具体的には,市販の事前訓練型モデルを軽量なオンライン方式で展開し,ソースデータと環境領域の分散シフトに適応させる。
私たちはオーバーフィットの概念を極端に捉え、モデルや表現を個々のデータやチャネル状態インスタンスに適応させる実装フレンドリな一連のメソッドを提案します。
論文 参考訳（メタデータ） (2022-11-08T16:00:27Z) - Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。
最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。
本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文 参考訳（メタデータ） (2022-09-16T11:00:50Z) - Wireless Deep Video Semantic Transmission [14.071114007641313]
本稿では,無線チャネル上でのエンドツーエンドビデオ伝送を実現するための,高効率なディープ・ジョイント・ソース・チャネル符号化手法を提案する。
我々のフレームワークはディープビデオセマンティックトランスミッション (DVST) という名前で収集される。
論文 参考訳（メタデータ） (2022-05-26T03:26:43Z) - Error Correction Code Transformer [92.10654749898927]
本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。
我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。
提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
論文 参考訳（メタデータ） (2022-03-27T15:25:58Z) - Adaptive Information Bottleneck Guided Joint Source and Channel Coding
for Image Transmission [132.72277692192878]
画像伝送には適応情報ボトルネック(IB)誘導ジョイントソースとチャネル符号化(AIB-JSCC)が提案されている。
AIB-JSCCの目的は、画像再構成品質を改善しながら伝送速度を下げることである。
実験の結果,AIB-JSCCは送信データ量を大幅に削減し,再現性を向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-03-12T17:44:02Z) - Neural Data-Dependent Transform for Learned Image Compression [72.86505042102155]
ニューラルデータに依存した変換を構築し,各画像の符号化効率を最適化する連続オンラインモード決定機構を導入する。
実験の結果,提案したニューラルシンタクス設計と連続オンラインモード決定機構の有効性が示された。
論文 参考訳（メタデータ） (2022-03-09T14:56:48Z)
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。