論文の概要: Alternate Learning based Sparse Semantic Communications for Visual Transmission

• arxiv url: http://arxiv.org/abs/2309.16681v1
• Date: Mon, 31 Jul 2023 03:34:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 05:57:11.341180
• Title: Alternate Learning based Sparse Semantic Communications for Visual Transmission
• Title（参考訳）: 視覚伝達のための代替学習に基づくスパースセマンティックコミュニケーション
• Authors: Siyu Tong, Xiaoxue Yu, Rongpeng Li, Kun Lu, Zhifeng Zhao, and Honggang Zhang
• Abstract要約: セマンティック通信(Semantic Communication, SemCom)は、従来のビットレベルの正確な伝送よりも優れていることを示す。 本稿では,SparseSBC という視覚伝達のための代替学習システム SemCom を提案する。
• 参考スコア（独自算出の注目度）: 13.319988526342527
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic communication (SemCom) demonstrates strong superiority over conventional bit-level accurate transmission, by only attempting to recover the essential semantic information of data. In this paper, in order to tackle the non-differentiability of channels, we propose an alternate learning based SemCom system for visual transmission, named SparseSBC. Specially, SparseSBC leverages two separate Deep Neural Network (DNN)-based models at the transmitter and receiver, respectively, and learns the encoding and decoding in an alternate manner, rather than the joint optimization in existing literature, so as to solving the non-differentiability in the channel. In particular, a ``self-critic" training scheme is leveraged for stable training. Moreover, the DNN-based transmitter generates a sparse set of bits in deduced ``semantic bases", by further incorporating a binary quantization module on the basis of minimal detrimental effect to the semantic accuracy. Extensive simulation results validate that SparseSBC shows efficient and effective transmission performance under various channel conditions, and outperforms typical SemCom solutions.
• Abstract（参考訳）: セマンティック通信(Semantic Communication, SemCom)は、データの本質的な意味情報を復元することのみによって、従来のビットレベルの正確な伝送よりも強力な優位性を示す。 本稿では,チャネルの非微分可能性に対処するために,SparseSBC という視覚伝達のための代替学習ベース SemCom システムを提案する。 特に、SparseSBCは送信機と受信機でそれぞれ2つの分離したディープニューラルネットワーク(DNN)ベースのモデルを活用し、既存の文献における共同最適化ではなく、符号化と復号を交互に学習し、チャネルの非微分性を解決する。 特に、"self-critic"トレーニングスキームを安定したトレーニングに活用し、さらに、dnnベースの送信機は、意味的精度に対する最小の有害効果に基づいてバイナリ量子化モジュールを更に組み込むことにより、推定された"`semantic bases"のビットのスパースセットを生成する。 SparseSBCは様々なチャネル条件下で効率よく効果的な伝送性能を示し、典型的なSemComソリューションよりも優れていた。

関連論文リスト

• Variational Source-Channel Coding for Semantic Communication [6.55201432222942]
  現在の意味コミュニケーションシステムは一般にオートエンコーダ(AE)としてモデル化されている AEは、チャネルダイナミクスを効果的にキャプチャできないため、コミュニケーション戦略とAI原則の深い統合を欠いている。 本稿では,従来のコミュニケーションとセマンティックコミュニケーションを区別するデータ歪みの包含について検討する。 意味コミュニケーションシステムを構築するために,VSCC法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T03:42:05Z)
• Latent Diffusion Model-Enabled Real-Time Semantic Communication Considering Semantic Ambiguities and Channel Noises [18.539501941328393]
  本稿では, 遅延拡散モデル対応SemComシステムを構築し, 既存システムと比較して3つの改良点を提案する。 軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。 終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
  論文  参考訳（メタデータ） (2024-06-09T23:39:31Z)
• Reasoning with the Theory of Mind for Pragmatic Semantic Communication [62.87895431431273]
  本稿では,実用的な意味コミュニケーションフレームワークを提案する。 2つの知性エージェント間の効果的な目標指向情報共有を可能にする。 数値的な評価は、少ないビット量で効率的な通信を実現するためのフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2023-11-30T03:36:19Z)
• Semantics Alignment via Split Learning for Resilient Multi-User Semantic Communication [56.54422521327698]
  最近の意味コミュニケーションの研究は、ディープジョイントソースやチャネルコーディング(DeepJSCC)のようなニューラルネットワーク(NN)ベースのトランシーバに依存している。 従来のトランシーバとは異なり、これらのニューラルトランシーバは実際のソースデータとチャネルを使用してトレーニング可能であり、セマンティクスを抽出し通信することができる。 本稿では,分割学習(SL)と部分的NN微調整技術を活用する分散学習ベースソリューションを提案する。
  論文  参考訳（メタデータ） (2023-10-13T20:29:55Z)
• 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)
• Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
  トポロジカル空間の観点から意味コミュニケーションを研究する。 送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。 受信機は構造を復号し、行方不明または歪んだデータを推測する。
  論文  参考訳（メタデータ） (2022-10-30T22:33:44Z)
• Neuro-Symbolic Causal Reasoning Meets Signaling Game for Emergent Semantic Communications [71.63189900803623]
  創発的SCシステムフレームワークを提案し,創発的言語設計のためのシグナリングゲームと因果推論のためのニューロシンボリック(NeSy)人工知能(AI)アプローチで構成されている。 ESCシステムは、意味情報、信頼性、歪み、類似性の新たな指標を強化するように設計されている。
  論文  参考訳（メタデータ） (2022-10-21T15:33:37Z)
• One-to-Many Semantic Communication Systems: Design, Implementation, Performance Evaluation [35.21413988605204]
  MR_DeepSCと呼ばれる一対一のセマンティック通信システムを提案する。 異なるユーザに対するセマンティック機能を活用することで、異なるユーザを区別するためにセマンティック認識が構築される。 提案したMR_DeepSCはBLEUスコアで最高の性能が得られる。
  論文  参考訳（メタデータ） (2022-09-20T02:48:34Z)
• 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)
• 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。