論文の概要: A Specific Task-oriented Semantic Image Communication System for substation patrol inspection

• arxiv url: http://arxiv.org/abs/2301.03331v1
• Date: Mon, 9 Jan 2023 13:35:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 16:15:40.954797
• Title: A Specific Task-oriented Semantic Image Communication System for substation patrol inspection
• Title（参考訳）: サブステーションパトロール検査のためのタスク指向セマンティック画像通信システム
• Authors: Senran Fan, Haotai Liang, Chen Dong, Xiaodong Xu, Geng Liu
• Abstract要約: Imag-STSCIのための特定のタスク指向セマンティック通信システムは、弱い信号の下でインテリジェントロボットがより鮮明な画像を得るように設計されている。 このようなサブステーションパトロール検査作業において,画像の特定の詳細しか必要としない点に着想を得て,セマンティックエンハンスメントの新しいパラダイムを提案する。
• 参考スコア（独自算出の注目度）: 3.2426299195251875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent inspection robots are widely used in substation patrol inspection, which can help check potential safety hazards by patrolling the substation and sending back scene images. However, when patrolling some marginal areas with weak signal, the scene images cannot be sucessfully transmissted to be used for hidden danger elimination, which greatly reduces the quality of robots'daily work. To solve such problem, a Specific Task-oriented Semantic Communication System for Imag-STSCI is designed, which involves the semantic features extraction, transmission, restoration and enhancement to get clearer images sent by intelligent robots under weak signals. Inspired by that only some specific details of the image are needed in such substation patrol inspection task, we proposed a new paradigm of semantic enhancement in such specific task to ensure the clarity of key semantic information when facing a lower bit rate or a low signal-to-noise ratio situation. Across the reality-based simulation, experiments show our STSCI can generally surpass traditional image-compression-based and channel-codingbased or other semantic communication system in the substation patrol inspection task with a lower bit rate even under a low signal-to-noise ratio situation.
• Abstract（参考訳）: インテリジェント検査ロボットは変電所のパトロール検査に広く使われており、変電所のパトロールや現場画像の送信によって潜在的な安全上の危険をチェックできる。 しかし、弱い信号で限界領域をパトロールする場合、シーンイメージを余分に送信して隠れた危険を排除できないため、ロボットの日常作業の質が大幅に低下する。 このような問題を解決するため,Imag-STSCIのタスク指向セマンティックコミュニケーションシステムを設計し,弱い信号下での知的ロボットがより鮮明な画像を得るための意味的特徴抽出,伝達,復元,拡張を行う。 このようなサブステーションパトロールインスペクションタスクにおいて、画像の特定の詳細しか必要とせず、低ビットレートや低信号-雑音比の状況に直面した場合に、重要な意味情報の明確性を確保するために、そのような特定のタスクにおける意味的拡張の新しいパラダイムを提案する。 実環境下でのシミュレーションにより,stisciは,低信号対雑音比でも低ビットレートの変電所パトロール検査タスクにおいて,従来の画像圧縮方式やチャネルコーディング方式,その他の意味的通信システムを上回ることを実証した。

関連論文リスト

• Adaptive Data Transport Mechanism for UAV Surveillance Missions in Lossy Environments [2.700610024690147]
  無人航空機(UAV)は、情報、監視、偵察(ISR)の任務においてますます重要な役割を担っている。 本稿では、ミッション目標に大きく貢献する画像の選択領域を優先する、AIによる代替スケジューリングポリシーを提案する。
  論文  参考訳（メタデータ） (2024-09-30T18:22:58Z)
• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。 本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。 空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。 チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• A Multi-Task Oriented Semantic Communication Framework for Autonomous Vehicles [5.779316179788962]
  本研究は、コネクテッドおよび自律走行車のためのマルチタスク指向のセマンティックコミュニケーションフレームワークを提案する。 道路交通標識のセマンティックエンコーディングを行う畳み込みオートエンコーダ(CAE)を提案する。 これらの符号化された画像は、気象条件の厳しい衛星を通して、あるCAVから別のCAVに送信される。
  論文  参考訳（メタデータ） (2024-03-06T12:04:24Z)
• A Vision Transformer Approach for Efficient Near-Field Irregular SAR Super-Resolution [0.0]
  本研究では、位置推定誤差に対処し、不規則なサンプリング測位の下でSAR画像超解像(SR)を行うモバイルフレンドビジョントランスフォーマー(ViT)アーキテクチャを提案する。 提案アルゴリズムであるMobile-SRViTは,SAR画像強調にViTを用いた最初の手法であり,シミュレーションおよび実証実験によって検証されている。
  論文  参考訳（メタデータ） (2023-05-03T12:25:01Z)
• Task-Oriented Communications for NextG: End-to-End Deep Learning and AI Security Aspects [78.84264189471936]
  NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。 無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。 エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
  論文  参考訳（メタデータ） (2022-12-19T17:54:36Z)
• Location-Aware Self-Supervised Transformers [74.76585889813207]
  画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。 参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。 実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-12-05T16:24:29Z)
• SeqTR: A Simple yet Universal Network for Visual Grounding [88.03253818868204]
  本稿では,視覚的接地作業のためのシンプルな汎用ネットワークSeqTRを提案する。 画像とテキストの入力を条件とした点予測問題として,視覚的グラウンドリングを行った。 このパラダイムの下では、視覚的なグラウンドタスクはタスク固有のブランチやヘッドなしでSeqTRネットワークに統合されます。
  論文  参考訳（メタデータ） (2022-03-30T12:52:46Z)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)
• EmergencyNet: Efficient Aerial Image Classification for Drone-Based Emergency Monitoring Using Atrous Convolutional Feature Fusion [8.634988828030245]
  本稿では,緊急対応・監視用uavの航空機画像の効率的な分類について述べる。 緊急対応アプリケーションのための専用空中画像データベースを導入し、既存のアプローチの比較分析を行う。 マルチレゾリューション機能を処理するために,アトラス畳み込みに基づく軽量畳み込みニューラルネットワークアーキテクチャが提案されている。
  論文  参考訳（メタデータ） (2021-04-28T20:24:10Z)

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。