論文の概要: Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models

• arxiv url: http://arxiv.org/abs/2403.17256v2
• Date: Sat, 13 Jul 2024 23:46:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-09 03:48:22.206498
• Title: Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models
• Title（参考訳）: 事前学習拡散モデルを用いたレイテンシを考慮した生成意味コミュニケーション
• Authors: Li Qiao, Mahdi Boloursaz Mashhadi, Zhen Gao, Chuan Heng Foh, Pei Xiao, Mehdi Bennis,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 43.27015039765803
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative foundation AI models have recently shown great success in synthesizing natural signals with high perceptual quality using only textual prompts and conditioning signals to guide the generation process. This enables semantic communications at extremely low data rates in future wireless networks. In this paper, we develop a latency-aware semantic communications framework with pre-trained generative models. The transmitter performs multi-modal semantic decomposition on the input signal and transmits each semantic stream with the appropriate coding and communication schemes based on the intent. For the prompt, we adopt a re-transmission-based scheme to ensure reliable transmission, and for the other semantic modalities we use an adaptive modulation/coding scheme to achieve robustness to the changing wireless channel. Furthermore, we design a semantic and latency-aware scheme to allocate transmission power to different semantic modalities based on their importance subjected to semantic quality constraints. At the receiver, a pre-trained generative model synthesizes a high fidelity signal using the received multi-stream semantics. Simulation results demonstrate ultra-low-rate, low-latency, and channel-adaptive semantic communications.
• Abstract（参考訳）: 生成基盤AIモデルは、テキストプロンプトと条件付き信号のみを使用して、知覚品質の高い自然信号を合成することで、生成プロセスのガイドに成功している。 これにより、将来の無線ネットワークにおいて、極めて低いデータレートでセマンティック通信が可能になる。 本稿では,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する。 送信者は、入力信号に対してマルチモーダルなセマンティック分解を行い、そのインテントに基づいて各セマンティックストリームを適切な符号化および通信方式で送信する。 このプロンプトには、信頼性の高い送信を保証するための再送信ベースのスキームを採用し、他のセマンティックモダリティに対しては、適応変調/符号化スキームを使用して、変更する無線チャネルに対してロバスト性を実現する。 さらに,意味的品質制約による重要度に基づいて,意味的モダリティの異なる意味的モダリティに送信電力を割り当てる意味的・待ち時間を考慮したスキームを設計する。 受信機において、事前学習された生成モデルは、受信したマルチストリームセマンティクスを用いて高忠実度信号を合成する。 シミュレーションの結果は、超低レート、低レイテンシ、チャネル適応セマンティック通信を示す。

関連論文リスト

• Diffusion-based Generative Multicasting with Intent-aware Semantic Decomposition [45.73113352988143]
  我々は,事前学習した拡散モデルを用いた意図認識型セマンティック・マルチキャスト・フレームワークを開発した。 提案するフレームワークでは,送信者が複数の意味クラスに対して,複数のユーザ意図に基づいてソース信号を分解する。 シミュレーションの結果,非生成型および意図不明なマルチキャストベンチマークと比較すると,ユーザ毎のレイテンシが有意に低減された。
  論文  参考訳（メタデータ） (2024-11-04T17:58:54Z)
• Generative Semantic Communication for Text-to-Speech Synthesis [39.8799066368712]
  本稿では,テキスト音声合成のための新しい意味コミュニケーションフレームワークを開発する。 我々はトランスフォーマーエンコーダと拡散モデルを用いて,重要な通信オーバーヘッドを発生させることなく,効率的なセマンティックコーディングを実現する。
  論文  参考訳（メタデータ） (2024-10-04T14:18:31Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• Communication Beyond Transmitting Bits: Semantics-Guided Source and Channel Coding [7.080957878208516]
  セマンティックコミュニケーションは有望な研究方向を提供する。 セマンティック・アウェア・コミュニケーションを実現するために、コード化された伝達設計にセマンティックガイダンスを注入することは、有効性と信頼性の大きなブレークスルーの可能性を秘めている。 本稿では,セマンティックコミュニケーションの伝達パラダイムとして,セマンティックス誘導ソースとチャネルコーディングに光を当てる。
  論文  参考訳（メタデータ） (2022-08-04T06:12:55Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)

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。