論文の概要: Demo: Real-Time Semantic Communications with a Vision Transformer
- arxiv url: http://arxiv.org/abs/2205.03886v1
- Date: Sun, 8 May 2022 14:49:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-11 04:50:16.660433
- Title: Demo: Real-Time Semantic Communications with a Vision Transformer
- Title(参考訳): デモ:ビジョントランスを用いたリアルタイムセマンティックコミュニケーション
- Authors: Hanju Yoo, Taehun Jung, Linglong Dai, Songkuk Kim and Chan-Byoung Chae
- Abstract要約: 画像伝送のためのエンドツーエンドのディープニューラルネットワークアーキテクチャを提案し,その実現可能性を示す。
我々の知る限りでは、視覚変換器を用いたリアルタイムセマンティックコミュニケーションを実装し、研究するのはこれが初めてである。
- 参考スコア(独自算出の注目度): 14.85519988496995
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Semantic communications are expected to enable the more effective delivery of
meaning rather than a precise transfer of symbols. In this paper, we propose an
end-to-end deep neural network-based architecture for image transmission and
demonstrate its feasibility in a real-time wireless channel by implementing a
prototype based on a field-programmable gate array (FPGA). We demonstrate that
this system outperforms the traditional 256-quadrature amplitude modulation
system in the low signal-to-noise ratio regime with the popular CIFAR-10
dataset. To the best of our knowledge, this is the first work that implements
and investigates real-time semantic communications with a vision transformer.
- Abstract(参考訳): 意味コミュニケーションは、シンボルの正確な転送よりも、より効果的な意味の伝達を可能にすることが期待されている。
本稿では,画像伝送のためのエンド・ツー・エンドのディープニューラルネットワークアーキテクチャを提案し,フィールドプログラミング可能なゲートアレイ(fpga)に基づくプロトタイプを実装し,その実現可能性を示す。
本システムは,CIFAR-10データセットを用いた低信号対雑音比方式において,従来の256四分数振幅変調方式よりも優れていた。
私たちの知る限りでは、これは視覚トランスフォーマーとリアルタイム意味コミュニケーションを実装し、調査する最初の仕事です。
関連論文リスト
- Digital versus Analog Transmissions for Federated Learning over Wireless
Networks [91.20926827568053]
資源制約付きネットワーク上での無線連合学習(FL)における2つの効果的な通信方式を比較した。
まず,デジタルとアナログの両方の伝送方式と,実用的制約下での統一的かつ公正な比較手法について検討する。
無線ネットワークにおけるFL性能評価のために,様々な不完全条件下での普遍収束解析を確立する。
論文 参考訳(メタデータ) (2024-02-15T01:50:46Z) - Diff-GO: Diffusion Goal-Oriented Communications to Achieve Ultra-High
Spectrum Efficiency [46.92279990929111]
本研究では,拡散モデルに基づく生成AIを用いた超効率的な通信設計を提案する。
拡散モデルの訓練のための新しい低次元ノイズ空間を提案し,通信オーバーヘッドを大幅に低減する。
実験結果から,提案したノイズ空間と拡散に基づく生成モデルにより,伝送画像信号の超高スペクトル効率と精度の回復が得られた。
論文 参考訳(メタデータ) (2023-11-13T17:52:44Z) - EMGTFNet: Fuzzy Vision Transformer to decode Upperlimb sEMG signals for
Hand Gestures Recognition [0.1611401281366893]
本稿では,手動ジェスチャー認識を行うために,EMGTFNetと呼ばれるファジィニューラルブロック(FNB)を用いた視覚変換器(ViT)アーキテクチャを提案する。
提案モデルの精度は49種類の手ジェスチャーからなるNinaProデータベースを用いて検証した。
論文 参考訳(メタデータ) (2023-09-23T18:55:26Z) - Communication-Efficient Framework for Distributed Image Semantic
Wireless Transmission [68.69108124451263]
IoTデバイスを用いたマルチタスク分散画像伝送のためのFederated Learning-based semantic communication (FLSC)フレームワーク。
各リンクは階層型視覚変換器(HVT)ベースの抽出器とタスク適応トランスレータで構成される。
チャネル状態情報に基づく多重出力多重出力伝送モジュール。
論文 参考訳(メタデータ) (2023-08-07T16:32:14Z) - Causal Semantic Communication for Digital Twins: A Generalizable
Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。
無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。
DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文 参考訳(メタデータ) (2023-04-25T00:15:00Z) - Wireless End-to-End Image Transmission System using Semantic
Communications [4.2421412410466575]
本研究は,物理チャネルを通してセマンティックセグメンテーションマップを送信する際に,帯域幅の節約という形での資源ゲインが巨大であることを示す。
本研究は,物理チャネル歪みと量子化雑音がセマンティック通信に基づくマルチメディアコンテンツ伝送に与える影響について検討する。
論文 参考訳(メタデータ) (2023-02-27T12:33:53Z) - 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) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳(メタデータ) (2022-05-02T12:23:55Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳(メタデータ) (2022-02-26T14:51:02Z) - Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid
Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。
我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文 参考訳(メタデータ) (2021-10-22T20:49:02Z) - End-to-End Learning for Uplink MU-SIMO Joint Transmitter and
Non-Coherent Receiver Design in Fading Channels [11.182920270301304]
JTRD-Netと呼ばれる新しいエンドツーエンド学習手法が提案され、マルチユーザシングルインプットマルチ出力(MU-SIMO)ジョイントトランスミッタとフェーディングチャネルにおける非コヒーレントレシーバー設計(JTRD)をアップリンクする。
送信側は、マルチユーザー波形設計を担当する並列線形層のグループとしてモデル化されています。
非コヒーレント受信機は、マルチユーザ検出(MUD)機能を提供するために、ディープフィードフォワードニューラルネットワーク(DFNN)によって形成される。
論文 参考訳(メタデータ) (2021-05-04T02:47:59Z)
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。