論文の概要: A Multi-Task Oriented Semantic Communication Framework for Autonomous Vehicles
- arxiv url: http://arxiv.org/abs/2403.12997v1
- Date: Wed, 6 Mar 2024 12:04:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 07:17:26.086338
- Title: A Multi-Task Oriented Semantic Communication Framework for Autonomous Vehicles
- Title(参考訳): 自律走行車のためのマルチタスク指向セマンティック通信フレームワーク
- Authors: Eslam Eldeeb, Mohammad Shehab, Hirley Alves,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 5.779316179788962
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Task-oriented semantic communication is an emerging technology that transmits only the relevant semantics of a message instead of the whole message to achieve a specific task. It reduces latency, compresses the data, and is more robust in low SNR scenarios. This work presents a multi-task-oriented semantic communication framework for connected and autonomous vehicles (CAVs). We propose a convolutional autoencoder (CAE) that performs the semantic encoding of the road traffic signs. These encoded images are then transmitted from one CAV to another CAV through satellite in challenging weather conditions where visibility is impaired. In addition, we propose task-oriented semantic decoders for image reconstruction and classification tasks. Simulation results show that the proposed framework outperforms the conventional schemes, such as QAM-16, regarding the reconstructed image's similarity and the classification's accuracy. In addition, it can save up to 89 % of the bandwidth by sending fewer bits.
- Abstract(参考訳): タスク指向セマンティックコミュニケーションは、特定のタスクを達成するためにメッセージ全体ではなく、メッセージの関連するセマンティクスのみを送信する新興技術である。
レイテンシを低減し、データを圧縮し、低SNRシナリオでより堅牢である。
本研究では、コネクテッド・自動運転車(CAV)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、可視性に障害のある気象条件下で衛星を介して、あるCAVから別のCAVに送信される。
さらに,画像再構成と分類タスクのためのタスク指向セマンティックデコーダを提案する。
シミュレーションの結果,提案手法は,再構成画像の類似性や分類精度に関して,QAM-16などの従来の手法よりも優れていた。
さらに、より少ないビットを送信することで、最大99%の帯域幅を節約できる。
関連論文リスト
- Agent-driven Generative Semantic Communication for Remote Surveillance [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,知識に基づくソフトアクター批判アルゴリズムを利用したエージェント支援セマンティックエンコーダを提案する。
また,2つのモジュールからなる予測および生成機能を備えたセマンティックデコーダを設計する。
論文 参考訳(メタデータ) (2024-04-10T13:24:27Z) - Importance-Aware Image Segmentation-based Semantic Communication for
Autonomous Driving [9.956303020078488]
本稿では,自律運転におけるイメージセグメンテーションに基づくセマンティックコミュニケーションの問題について考察する。
本研究では、VIS-SemComと呼ばれる車両画像セグメント指向のセマンティックコミュニケーションシステムを提案する。
提案したVIS-SemCom は,約6dB の符号ゲインを実現し,60% mIoU で送信したデータ量を最大70% 削減し,従来の伝送方式に比べて重要なオブジェクトの結合(IoU) の分割交叉率を 4% 向上させることができる。
論文 参考訳(メタデータ) (2024-01-16T18:14:44Z) - Scalable AI Generative Content for Vehicular Network Semantic
Communication [46.589349524682966]
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。
論文 参考訳(メタデータ) (2023-11-23T02:57:04Z) - 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) - A Specific Task-oriented Semantic Image Communication System for substation patrol inspection [3.459295457421391]
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。
論文 参考訳(メタデータ) (2023-01-09T13:35:03Z) - Semantic Image Synthesis via Diffusion Models [159.4285444680301]
Denoising Diffusion Probabilistic Models (DDPM) は様々な画像生成タスクにおいて顕著な成功を収めた。
セマンティック画像合成に関する最近の研究は、主に「GAN(Generative Adversarial Nets)」に追従している。
論文 参考訳(メタデータ) (2022-06-30T18:31:51Z) - Task-Oriented Image Transmission for Scene Classification in Unmanned
Aerial Systems [46.64800170644672]
シーン分類作業のための新しい航空画像伝送パラダイムを提案する。
画像やチャネル条件の認識を伴うセマンティックブロック伝送のための,フロントエンドUAV上での軽量モデルを開発した。
伝送遅延と分類精度のトレードオフを達成するために、深層強化学習を用いる。
論文 参考訳(メタデータ) (2021-12-21T02:44:49Z) - Semantically Tied Paired Cycle Consistency for Any-Shot Sketch-based
Image Retrieval [55.29233996427243]
ローショットスケッチに基づく画像検索はコンピュータビジョンの新たな課題である。
本稿では,ゼロショットおよび少数ショットのスケッチベース画像検索(SBIR)タスクについて述べる。
これらの課題を解決するために,SEM-PCYC(SEM-PCYC)を提案する。
以上の結果から,Sketchy,TU-Berlin,QuickDrawのデータセットを拡張したバージョンでは,最先端の撮影性能が大幅に向上した。
論文 参考訳(メタデータ) (2020-06-20T22:43:53Z)
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。