論文の概要: Distributed Image Transmission using Deep Joint Source-Channel Coding
- arxiv url: http://arxiv.org/abs/2201.10340v1
- Date: Tue, 25 Jan 2022 14:25:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 16:52:05.056494
- Title: Distributed Image Transmission using Deep Joint Source-Channel Coding
- Title（参考訳）: ディープジョイント・ソース・チャネル符号化を用いた分散画像伝送
- Authors: Sixian Wang, Ke Yang, Jincheng Dai, Kai Niu
- Abstract要約: 相関画像ソースに対するディープジョイントソースチャネル符号化(D-JSCC)の問題点について検討する。
軽量エッジエンコーダと強力なセンターデコーダを備えたディープニューラルネットワークソリューションを提案する。
本研究は,両リンクの雑音表現を利用して,両リンクの復元品質を著しく改善したことを示す。
- 参考スコア（独自算出の注目度）: 8.316711745589354
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of deep joint source-channel coding (D-JSCC) for
correlated image sources, where each source is transmitted through a noisy
independent channel to the common receiver. In particular, we consider a pair
of images captured by two cameras with probably overlapping fields of view
transmitted over wireless channels and reconstructed in the center node. The
challenging problem involves designing a practical code to utilize both source
and channel correlations to improve transmission efficiency without additional
transmission overhead. To tackle this, we need to consider the common
information across two stereo images as well as the differences between two
transmission channels. In this case, we propose a deep neural networks solution
that includes lightweight edge encoders and a powerful center decoder. Besides,
in the decoder, we propose a novel channel state information aware cross
attention module to highlight the overlapping fields and leverage the relevance
between two noisy feature maps.Our results show the impressive improvement of
reconstruction quality in both links by exploiting the noisy representations of
the other link. Moreover, the proposed scheme shows competitive results
compared to the separated schemes with capacity-achieving channel codes.
- Abstract（参考訳）: 相関画像ソースに対するディープジョイント・ソース・チャネル符号化(D-JSCC)の問題点について検討し、各ソースはノイズの多い独立チャネルを介して共通受信機に送信される。
特に,2台のカメラで撮影された一対の画像について検討し,多分無線チャネル上での視野の重複を考慮し,中心ノードで再構成する。
問題となるのは、ソースとチャネルの相関を利用して伝送効率を改善するための実用的なコードを設計することだ。
これに対処するためには,2つのステレオ画像間の共通情報と,2つの伝送チャネル間の差異を考慮する必要がある。
この場合、軽量なエッジエンコーダと強力なセンターデコーダを含むディープニューラルネットワークソリューションを提案する。
このデコーダでは、重なり合うフィールドをハイライトし、2つのノイズ特徴写像間の関連性を活用するために、新しいチャネル状態情報認識クロスアテンションモジュールを提案し、この結果、他のリンクのノイズ表現を利用して、両方のリンクにおける再構成品質を著しく改善したことを示す。
さらに,提案方式は,キャパシティ向上チャネル符号を持つ分離方式と比較し,競合結果を示す。
関連論文リスト
- A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。
本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
論文 参考訳（メタデータ） (2024-08-31T10:03:19Z) - Joint Sensing and Task-Oriented Communications with Image and Wireless
Data Modalities for Dynamic Spectrum Access [49.83882366499547]
本稿では,マルチモーダル画像とスペクトルデータの相乗効果を利用した動的スペクトルアクセスの深層学習手法を提案する。
本稿では,送信機を搭載可能な車両などの潜在的な物体を撮影するカメラを備えたエッジデバイスについて考察する。
本稿では、エッジデバイスが、融合センターとして機能する信頼できる受信機に選択的に処理された情報を通信する協調システムを提案する。
論文 参考訳（メタデータ） (2023-12-21T15:26:26Z) - Distributed Deep Joint Source-Channel Coding with Decoder-Only Side
Information [6.411633100057159]
本稿では,受信側のみに相関する側情報が存在する場合,ノイズの多い無線チャネル上での低遅延画像伝送について検討する。
本稿では,デコーダのみの側情報をレシーバ側の複数段階に組み込んだ新しいニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-10-06T15:17:45Z) - High Perceptual Quality Wireless Image Delivery with Denoising Diffusion
Models [10.763194436114194]
深層学習を用いたジョイントソースチャネル符号化(DeepJSCC)によるノイズの多い無線チャネル上の画像伝送問題について検討する。
対象画像のレンジ・ヌル空間分解を利用した新しい手法を提案する。
再建画像の歪みと知覚的品質は,標準的なDeepJSCCや最先端の生成学習法と比較して有意に向上した。
論文 参考訳（メタデータ） (2023-09-27T16:30:59Z) - 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) - 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) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-22T13:34:53Z) - CAnet: Uplink-aided Downlink Channel Acquisition in FDD Massive MIMO
using Deep Learning [51.72869237847767]
周波数分割二重化システムでは、ダウンリンクチャネル状態情報(CSI)取得方式は高いトレーニングとフィードバックのオーバーヘッドをもたらす。
これらのオーバーヘッドを削減するためにディープラーニングを用いたアップリンク支援ダウンリンクチャネル獲得フレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-12T10:12:28Z) - 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) - Wireless Image Retrieval at the Edge [20.45405359815043]
本研究では、エッジデバイスが画像をキャプチャし、エッジサーバから同様の画像を検索するために使用される無線エッジにおける画像検索問題について検討する。
我々の目標は、無線リンクに対する電力及び帯域幅制約下での検索タスクの精度を最大化することである。
本稿では,デジタル通信とアナログ通信の2つの方法を提案する。
論文 参考訳（メタデータ） (2020-07-21T16:15:40Z) - Channel-Level Variable Quantization Network for Deep Image Compression [50.3174629451739]
チャネルレベルの可変量子化ネットワークを提案し、重要なチャネルに対してより多くの畳み込みを動的に割り当て、無視可能なチャネルに対して退避する。
提案手法は優れた性能を実現し,より優れた視覚的再構成を実現する。
論文 参考訳（メタデータ） (2020-07-15T07:20:39Z)
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。