論文の概要: Large AI Model-Based Semantic Communications
- arxiv url: http://arxiv.org/abs/2307.03492v1
- Date: Fri, 7 Jul 2023 10:01:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-10 12:47:46.549769
- Title: Large AI Model-Based Semantic Communications
- Title（参考訳）: 大規模AIモデルに基づく意味コミュニケーション
- Authors: Feibo Jiang, Yubo Peng, Li Dong, Kezhi Wang, Kun Yang, Cunhua Pan,
Xiaohu You
- Abstract要約: 画像データに特化して設計された大規模AIモデルベースSCフレームワーク(LAM-SC)を提案する。
まず,SKBをベースとしたセグメンテーションモデル(SAM)を設計し,各セグメンテーションの知識を用いて,元のイメージを異なるセグメンテーションセグメントに分割する。
次に、注意に基づく意味統合(ASI)を提案し、SKBが生成した意味セグメントを人間の参加なしに評価し、それらを意味認識画像として統合する。
- 参考スコア（独自算出の注目度）: 58.394527592974576
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic communication (SC) is an emerging intelligent paradigm, offering
solutions for various future applications like metaverse, mixed-reality, and
the Internet of everything. However, in current SC systems, the construction of
the knowledge base (KB) faces several issues, including limited knowledge
representation, frequent knowledge updates, and insecure knowledge sharing.
Fortunately, the development of the large AI model provides new solutions to
overcome above issues. Here, we propose a large AI model-based SC framework
(LAM-SC) specifically designed for image data, where we first design the
segment anything model (SAM)-based KB (SKB) that can split the original image
into different semantic segments by universal semantic knowledge. Then, we
present an attention-based semantic integration (ASI) to weigh the semantic
segments generated by SKB without human participation and integrate them as the
semantic-aware image. Additionally, we propose an adaptive semantic compression
(ASC) encoding to remove redundant information in semantic features, thereby
reducing communication overhead. Finally, through simulations, we demonstrate
the effectiveness of the LAM-SC framework and the significance of the large AI
model-based KB development in future SC paradigms.
- Abstract（参考訳）: セマンティックコミュニケーション(sc)は新たなインテリジェントパラダイムであり、メタバース、混合現実性、モノのインターネットといった、さまざまな将来のアプリケーションのためのソリューションを提供する。
しかし、現在のSCシステムでは知識ベース(KB)の構築は、限られた知識表現、頻繁な知識更新、安全でない知識共有など、いくつかの問題に直面している。
幸いなことに、大きなAIモデルの開発は、上記の問題を克服するための新しいソリューションを提供する。
本稿では,画像データ用に特別に設計された大規模aiモデルに基づくscフレームワーク (lam-sc) を提案する。そこで最初にsegment anything model (sam) ベースのkb (skb) を設計した。
次に,人間の参加なしにskbが生成する意味セグメントを計測し,意味認識画像として統合するための注意に基づく意味統合(asi)を提案する。
さらに,アダプティブセマンティック圧縮(ASC)符号化により,意味的特徴の冗長な情報を除去し,通信オーバーヘッドを低減する。
最後に、シミュレーションにより、LAM-SCフレームワークの有効性と、将来のSCパラダイムにおける大規模AIモデルベースのKB開発の重要性を示す。
関連論文リスト
- Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。
既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。
我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-07T14:32:36Z) - Weakly-supervised Semantic Segmentation via Dual-stream Contrastive Learning of Cross-image Contextual Information [10.77139542242678]
弱教師付きセマンティックセグメンテーション(WSSS)は、画像レベルのタグのみを用いてセマンティックセグメンテーションモデルを学習することを目的としている。
現在のWSSS手法のほとんどは、価値ある画像間情報(セマンティックワイド)を無視しながら、限られた単一画像(ピクセルワイド)情報に焦点を当てている。
論文 参考訳（メタデータ） (2024-05-08T09:35:26Z) - Large AI Model Empowered Multimodal Semantic Communications [48.73159237649128]
本稿では,Large AI Model-based Multimodal SC (LAMMSC) フレームワークを提案する。
まず、条件付きマルチモーダルアライメント(MMA)を提案し、マルチモーダルデータと非モーダルデータ間の変換を可能にする。
次に、パーソナライズされたLLMベースの知識ベース(LKB)を提案し、ユーザがパーソナライズされたセマンティック抽出やリカバリを行うことができる。
最後に,CGE(Generative Adversarial Network-based Channel Estimation)を用いて,無線チャネルの状態情報を推定する。
論文 参考訳（メタデータ） (2023-09-03T19:24:34Z) - Semantic Communications for Artificial Intelligence Generated Content
(AIGC) Toward Effective Content Creation [75.73229320559996]
本稿では,AIGCとSemComの統合の概念モデルを開発する。
AIGC技術を利用した新しいフレームワークが,意味情報のためのエンコーダおよびデコーダとして提案されている。
このフレームワークは、生成されたさまざまなタイプのコンテンツ、要求される品質、活用される意味情報に適応することができる。
論文 参考訳（メタデータ） (2023-08-09T13:17:21Z) - Segment Anything Meets Semantic Communication [15.183506390391988]
本稿では,Meta AI Research が開発した基礎モデル,特にSegment Anything Model (SAM) のセマンティックコミュニケーション改善への応用について検討する。
SAMのセグメンテーション機能と、セマンティックコーディングのための軽量ニューラルネットワークアーキテクチャを用いて、セマンティックコミュニケーションの実践的アプローチを提案する。
論文 参考訳（メタデータ） (2023-06-03T11:54:56Z) - 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) - Imitation Learning-based Implicit Semantic-aware Communication Networks:
Multi-layer Representation and Collaborative Reasoning [68.63380306259742]
有望な可能性にもかかわらず、セマンティック通信とセマンティック・アウェア・ネットワーキングはまだ初期段階にある。
本稿では,CDCとエッジサーバの複数層を連携させる,推論に基づく暗黙的セマンティック・アウェア通信ネットワークアーキテクチャを提案する。
暗黙的セマンティクスの階層構造と個人ユーザのパーソナライズされた推論嗜好を考慮に入れたセマンティクス情報の多層表現を提案する。
論文 参考訳（メタデータ） (2022-10-28T13:26:08Z) - Towards Semantic Communications: Deep Learning-Based Image Semantic
Coding [42.453963827153856]
我々は,よりセマンティクスや帯域幅に敏感な画像データに対するセマンティクス通信を考案した。
画素レベルを超えて画像を符号化する強化学習に基づく適応意味符号化(RL-ASC)手法を提案する。
実験の結果,提案したRL-ASCはノイズ耐性があり,視覚的に快適でセマンティックな一貫した画像の再構成が可能であった。
論文 参考訳（メタデータ） (2022-08-08T12:29:55Z) - Wireless Resource Management in Intelligent Semantic Communication
Networks [15.613654766345702]
ISC対応ヘテロジニアスネットワーク(ISC-HetNet)におけるユーザアソシエーション(UA)と帯域幅割り当ての問題に対処する。
目的を達成するためのプログラミング手法と、UAとBAの最適性に到達するための第2段階のアルゴリズムを含む2段階の解を提案する。
論文 参考訳（メタデータ） (2022-02-15T18:28:28Z)
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。