論文の概要: Scalable AI Generative Content for Vehicular Network Semantic Communication

• arxiv url: http://arxiv.org/abs/2311.13782v1
• Date: Thu, 23 Nov 2023 02:57:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 00:46:19.975653
• Title: Scalable AI Generative Content for Vehicular Network Semantic Communication
• Title（参考訳）: ネットワークセマンティック通信のためのスケーラブルAI生成コンテンツ
• Authors: Hao Feng, Yi Yang, Zhu Han
• Abstract要約: 本稿では,エンコーダ・デコーダアーキテクチャを活用したスケーラブルな人工知能生成コンテンツ(AIGC)システムについて紹介する。 本システムは,画像をテキスト表現に変換し,品質を許容する画像に再構成し,車載ネットワークセマンティック通信の伝送を最適化する。 実験結果から,提案手法は盲点における車両の認識基準を超越し,通信データを効果的に圧縮することが示唆された。
• 参考スコア（独自算出の注目度）: 46.589349524682966
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Perceiving vehicles in a driver's blind spot is vital for safe driving. The detection of potentially dangerous vehicles in these blind spots can benefit from vehicular network semantic communication technology. However, efficient semantic communication involves a trade-off between accuracy and delay, especially in bandwidth-limited situations. This paper unveils a scalable Artificial Intelligence Generated Content (AIGC) system that leverages an encoder-decoder architecture. This system converts images into textual representations and reconstructs them into quality-acceptable images, optimizing transmission for vehicular network semantic communication. Moreover, when bandwidth allows, auxiliary information is integrated. The encoder-decoder aims to maintain semantic equivalence with the original images across various tasks. Then the proposed approach employs reinforcement learning to enhance the reliability of the generated contents. Experimental results suggest that the proposed method surpasses the baseline in perceiving vehicles in blind spots and effectively compresses communication data. While this method is specifically designed for driving scenarios, this encoder-decoder architecture also holds potential for wide use across various semantic communication scenarios.
• Abstract（参考訳）: ドライバーの盲点における車両の認識は安全な運転には不可欠である。 これらの盲点における潜在的に危険な車両の検出は、車載ネットワークセマンティック通信技術の恩恵を受けることができる。 しかし、効率的なセマンティック通信は、特に帯域幅に制限のある状況において、精度と遅延の間のトレードオフを伴う。 本稿では,エンコーダ・デコーダアーキテクチャを活用したスケーラブルな人工知能生成コンテンツ(aigc)システムを提案する。 本システムは,画像をテキスト表現に変換し,高品質な画像に再構成し,車載ネットワークセマンティック通信の伝送を最適化する。 また、帯域幅が許されると補助情報も統合される。 エンコーダデコーダは、様々なタスクにわたる元の画像とのセマンティックな等価性を維持することを目的としている。 提案手法は強化学習を用いて生成したコンテンツの信頼性を高める。 実験結果から,提案手法はブラインドスポットにおける車両のベースラインを超え,通信データを効果的に圧縮することが示唆された。 この手法はシナリオを駆動するために特別に設計されているが、このエンコーダ・デコーダアーキテクチャは様々なセマンティック通信シナリオにまたがる幅広い用途の可能性を秘めている。

関連論文リスト

• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• 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)
• Transformer-Aided Semantic Communications [28.63893944806149]
  我々は、入力画像の圧縮とコンパクトな表現のために、視覚変換器を用いる。 変圧器固有のアテンション機構を用いることで、アテンションマスクを作成する。 提案手法の有効性をTinyImageNetデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2024-05-02T17:50:53Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリック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。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• 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)
• Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
  本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
  論文  参考訳（メタデータ） (2023-09-05T23:24:56Z)
• Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks [70.51799606279883]
  セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。 再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-20T17:13:22Z)
• Cooperative Perception with Deep Reinforcement Learning for Connected Vehicles [7.7003495898919265]
  本研究では, 周辺物体の検出精度を高めるために, 深層強化学習を用いた協調認識方式を提案する。 本手法は、車両通信網におけるネットワーク負荷を軽減し、通信信頼性を高める。
  論文  参考訳（メタデータ） (2020-04-23T01:44:12Z)

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。