Fugu-MT 論文翻訳(概要): Diff-GO: Diffusion Goal-Oriented Communications to Achieve Ultra-High Spectrum Efficiency

論文の概要: Diff-GO: Diffusion Goal-Oriented Communications to Achieve Ultra-High Spectrum Efficiency

arxiv url: http://arxiv.org/abs/2312.02984v1
Date: Mon, 13 Nov 2023 17:52:44 GMT
ステータス: 処理完了
システム内更新日: 2023-12-11 03:18:28.036490
Title: Diff-GO: Diffusion Goal-Oriented Communications to Achieve Ultra-High Spectrum Efficiency
Title（参考訳）: Diff-GO:超高スペクトル効率を実現する拡散目標指向通信
Authors: Achintha Wijesinghe, Songyang Zhang, Suchinthaka Wanninayaka, Weiwei Wang, Zhi Ding
Abstract要約: 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。
参考スコア（独自算出の注目度）: 46.92279990929111
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The latest advances in artificial intelligence (AI) present many unprecedented opportunities to achieve much improved bandwidth saving in communications. Unlike conventional communication systems focusing on packet transport, rich datasets and AI makes it possible to efficiently transfer only the information most critical to the goals of message recipients. One of the most exciting advances in generative AI known as diffusion model presents a unique opportunity for designing ultra-fast communication systems well beyond language-based messages. This work presents an ultra-efficient communication design by utilizing generative AI-based on diffusion models as a specific example of the general goal-oriented communication framework. To better control the regenerated message at the receiver output, our diffusion system design includes a local regeneration module with finite dimensional noise latent. The critical significance of noise latent control and sharing residing on our Diff-GO is the ability to introduce the concept of "local generative feedback" (Local-GF), which enables the transmitter to monitor the quality and gauge the quality or accuracy of the message recovery at the semantic system receiver. To this end, we propose a new low-dimensional noise space for the training of diffusion models, which significantly reduces the communication overhead and achieves satisfactory message recovery performance. Our experimental results demonstrate that the proposed noise space and the diffusion-based generative model achieve ultra-high spectrum efficiency and accurate recovery of transmitted image signals. By trading off computation for bandwidth efficiency (C4BE), this new framework provides an important avenue to achieve exceptional computation-bandwidth tradeoff.
Abstract（参考訳）: 人工知能(AI)の最近の進歩は、通信における帯域節約を大幅に改善する多くの前例のない機会をもたらす。パケット転送に焦点を当てた従来の通信システムとは異なり、リッチデータセットとaiは、メッセージ受信者の目標に最も重要な情報のみを効率的に転送できるようにする。拡散モデルとして知られる生成AIの最もエキサイティングな進歩の1つは、言語ベースのメッセージを超えて超高速通信システムを設計するユニークな機会を提供する。汎用的な目標指向通信フレームワークの具体例として,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。受信機出力における再生メッセージの制御を改善するため, 拡散系設計では, 有限次元雑音潜時を有する局所再生モジュールを備える。 Diff-GOにおけるノイズ潜時制御と共有の重要さは、「局所的生成フィードバック(Local-GF)」の概念を導入し、送信機がセマンティック・システム・レシーバーにおけるメッセージ回復の質や正確さを計測できるようにすることである。そこで本研究では,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し,良好なメッセージ回復性能を実現する。実験結果から,提案したノイズ空間と拡散モデルにより,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。帯域幅効率(c4be)の計算をトレードオフすることで、この新しいフレームワークは、特別な計算帯域幅トレードオフを達成するための重要な手段となる。

関連論文リスト

AI Flow at the Network Edge [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文参考訳（メタデータ） (2024-11-19T12:51:17Z)
Semantic Successive Refinement: A Generative AI-aided Semantic Communication Framework [27.524671767937512]
本稿では,単一ユーザシナリオを対象とした新しいジェネレーティブAIセマンティックコミュニケーション(GSC)システムを提案する。送信側では、Swin Transformerをベースとしたジョイントソースチャネル符号化機構を用いて、効率的なセマンティック特徴抽出を行う。受信側では、高度な拡散モデル(DM)が劣化した信号から高品質な画像を再構成し、知覚の詳細を高める。
論文参考訳（メタデータ） (2024-07-31T06:08:51Z)
Rethinking Multi-User Semantic Communications with Deep Generative Models [30.745379375963157]
マルチユーザシナリオに適した新しい生成セマンティック・コミュニケーション・フレームワークを開発した。この革新的な視点の下では、OFDMAシステムは情報の最大の部分を送信することを意図してはならない。実験により,新しい拡散モデルの有効性と提案フレームワークの有効性が示された。
論文参考訳（メタデータ） (2024-05-16T07:43:15Z)
Benchmarking Semantic Communications for Image Transmission Over MIMO Interference Channels [11.108614988357008]
一般マルチインプット・マルチアウトプット(MIMO)干渉チャネルに対するインターフェクト・ロバスト・セマンティック通信(IRSC)方式を提案する。このスキームはニューラルネットワーク(NN)に基づくトランシーバの開発を伴い、チャネル状態情報(CSI)を受信機のみ、または送信機と受信機の両方の端で統合する。実験結果から、IRSC方式は干渉を緩和し、ベースラインアプローチより優れることを示す。
論文参考訳（メタデータ） (2024-04-10T11:40:22Z)
Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models [43.27015039765803]
我々は,事前学習した生成モデルを用いた遅延認識型セマンティックコミュニケーションフレームワークを開発した。我々は,超低レート,低レイテンシ,チャネル適応型セマンティック通信を実証する。
論文参考訳（メタデータ） (2024-03-25T23:04:09Z)
Generative AI for Physical Layer Communications: A Survey [76.61956357178295]
生成人工知能(GAI)は、デジタルコンテンツ生産の効率を高める可能性がある。複雑なデータ分散を分析するGAIの能力は、無線通信にとって大きな可能性を秘めている。本稿では、信号分類、チャネル推定、等化といった従来の問題から、インテリジェントな反射面やジョイントソースチャネル符号化といった新たなトピックまで、GAIの物理層での通信への応用に関する包括的な調査を行う。
論文参考訳（メタデータ） (2023-12-09T15:20:56Z)
Diffusion Models for Wireless Communications [12.218161437914118]
無線通信システムにおける拡散モデルの適用について概説する。重要なアイデアは、データ生成プロセスを"デノイング"ステップで分解し、徐々にノイズからサンプルを生成することです。本稿では,AIネイティブ通信システムの開発において拡散モデルをどのように活用できるかを示す。
論文参考訳（メタデータ） (2023-10-11T08:57:59Z)
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)
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)
Distributional Reinforcement Learning for mmWave Communications with Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文参考訳（メタデータ） (2020-11-03T16:50:37Z)

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。