論文の概要: Adaptive Information Bottleneck Guided Joint Source and Channel Coding for Image Transmission

• arxiv url: http://arxiv.org/abs/2203.06492v2
• Date: Mon, 29 May 2023 03:53:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 04:27:45.421396
• Title: Adaptive Information Bottleneck Guided Joint Source and Channel Coding for Image Transmission
• Title（参考訳）: 画像伝送のための適応情報ボトルネック誘導ジョイントソースおよびチャネル符号化
• Authors: Lunan Sun, Yang Yang, Mingzhe Chen, Caili Guo, Walid Saad and H. Vincent Poor
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 132.72277692192878
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Joint source and channel coding (JSCC) for image transmission has attracted increasing attention due to its robustness and high efficiency. However, the existing deep JSCC research mainly focuses on minimizing the distortion between the transmitted and received information under a fixed number of available channels. Therefore, the transmitted rate may be far more than its required minimum value. In this paper, an adaptive information bottleneck (IB) guided joint source and channel coding (AIB-JSCC) method is proposed for image transmission. The goal of AIB-JSCC is to reduce the transmission rate while improving the image reconstruction quality. In particular, a new IB objective for image transmission is proposed so as to minimize the distortion and the transmission rate. A mathematically tractable lower bound on the proposed objective is derived, and then, adopted as the loss function of AIB-JSCC. To trade off compression and reconstruction quality, an adaptive algorithm is proposed to adjust the hyperparameter of the proposed loss function dynamically according to the distortion during the training. Experimental results show that AIB-JSCC can significantly reduce the required amount of transmitted data and improve the reconstruction quality and downstream task accuracy.
• Abstract（参考訳）: 画像伝送のためのジョイントソースおよびチャネル符号化(JSCC)は、その堅牢性と高効率性により注目されている。 しかし,既存のディープJSCC研究は,送信情報と受信情報の歪みを最小限に抑えることに集中している。 したがって、送信レートは必要最小値よりもはるかに大きいかもしれない。 本稿では,画像伝送のための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) 手法を提案する。 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。 特に,画像伝送のための新しいib目的を提案し,歪みと伝送速度を最小化する。 aib-jsccの損失関数として、提案された目的に対する数学的に扱いやすい下界を導出する。 圧縮と復元の質をトレードオフするため,トレーニング中の歪みに応じて動的に損失関数のハイパーパラメータを動的に調整する適応アルゴリズムを提案する。 実験の結果,AIB-JSCCは送信データ量を大幅に削減し,復元品質と下流タスク精度を向上させることができることがわかった。

関連論文リスト

• SC-CDM: Enhancing Quality of Image Semantic Communication with a Compact Diffusion Model [27.462224078883786]
  無線画像伝送のための生成SC(SC-CDM)を提案する。 我々は,Swin Transformerを効率的な意味的特徴抽出と圧縮のための新しいバックボーンとして再設計することを目指している。 我々はさらに、CNNベースのDeepJSCC上でPak Signal-to-Noise Ratio(PSNR)を17%以上増加させます。
  論文  参考訳（メタデータ） (2024-10-03T01:01:04Z)
• Spatial-Contextual Discrepancy Information Compensation for GAN Inversion [67.21442893265973]
  空間的不一致情報補償に基づく新しいGAN-inversion法(SDIC)を提案する。 SDICは、オリジナルの画像と再構成/編集された画像との間の画像詳細のギャップを埋める。 提案手法は,画像インバージョンと編集作業の両方において,高速な推論速度で優れた歪み適応性トレードオフを実現する。
  論文  参考訳（メタデータ） (2023-12-12T08:58:56Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• A Relay System for Semantic Image Transmission based on Shared Feature Extraction and Hyperprior Entropy Compression [10.094327559669859]
  本稿では,共有特徴抽出と高次エントロピー圧縮に基づく意味的画像伝達のための中継通信ネットワークを提案する。 実験により,他の研究手法と比較して,提案方式は伝送オーバーヘッドが低く,セマンティック画像伝送性能も高いことがわかった。
  論文  参考訳（メタデータ） (2023-11-17T12:45:30Z)
• CommIN: Semantic Image Communications as an Inverse Problem with INN-Guided Diffusion Models [20.005671042281246]
  劣化した再構成画像からの高品質なソース画像の復元を逆問題とするComminを提案する。 極端条件下でのDeepJSCCと比較して,コミンは知覚品質を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2023-10-02T12:06:58Z)
• Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
  Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる 本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-31T03:14:44Z)
• Perceptual Learned Source-Channel Coding for High-Fidelity Image Semantic Transmission [7.692038874196345]
  本稿では, 深部JSCCの最適化のために, 対向損失を導入する。 我々の新しい深層JSCCアーキテクチャは、エンコーダ、無線チャネル、デコーダ/ジェネレータ、および識別器を組み合わせたものである。 ユーザスタディでは、知覚的に類似したエンドツーエンドの画像伝送品質を達成することで、約50%の無線チャネル帯域幅コストを節約できることを確認した。
  論文  参考訳（メタデータ） (2022-05-26T03:05:13Z)
• MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution [74.24676600271253]
  本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。 提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。 空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
  論文  参考訳（メタデータ） (2021-06-04T07:15:32Z)
• Learning Task-Oriented Communication for Edge Inference: An Information Bottleneck Approach [3.983055670167878]
  ローエンドエッジ装置は、ローカルデータサンプルの抽出された特徴ベクトルを強力なエッジサーバに送信して処理する。 帯域幅が限られているため、データを低遅延推論のための情報的かつコンパクトな表現に符号化することが重要である。 特徴抽出,ソース符号化,チャネル符号化を協調的に最適化する学習型通信方式を提案する。
  論文  参考訳（メタデータ） (2021-02-08T12:53:32Z)
• Deep Adaptive Inference Networks for Single Image Super-Resolution [72.7304455761067]
  シングルイメージ超解像(SISR)は、ディープ畳み込みニューラルネットワーク(CNN)の展開により、近年大きく進歩している。 本稿では,深部SISR(AdaDSR)の適応型推論ネットワークを活用することで,この問題に対処する。 我々のAdaDSRは、SISRモデルをバックボーンとし、画像の特徴とリソース制約を入力として取り、ローカルネットワーク深さのマップを予測する軽量アダプタモジュールを備える。
  論文  参考訳（メタデータ） (2020-04-08T10:08:20Z)

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。