論文の概要: SAFE: Semantic Adaptive Feature Extraction with Rate Control for 6G Wireless Communications

• arxiv url: http://arxiv.org/abs/2410.01597v1
• Date: Wed, 2 Oct 2024 14:34:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-04 16:44:34.881209
• Title: SAFE: Semantic Adaptive Feature Extraction with Rate Control for 6G Wireless Communications
• Title（参考訳）: SAFE: 6G無線通信におけるレート制御によるセマンティック適応特徴抽出
• Authors: Yuna Yan, Lixin Li, Xin Zhang, Wensheng Lin, Wenchi Cheng, Zhu Han,
• Abstract要約: 本稿では,SAFEフレームワーク全体の性能を最適化する3つの高度な学習アルゴリズムを提案する。 我々は,SAFEフレームワークが,異なるチャネル帯域条件下でのセマンティクスを効果的かつ適応的に抽出し,伝達できることを実証した。
• 参考スコア（独自算出の注目度）: 27.746258716304766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most current Deep Learning-based Semantic Communication (DeepSC) systems are designed and trained exclusively for particular single-channel conditions, which restricts their adaptability and overall bandwidth utilization. To address this, we propose an innovative Semantic Adaptive Feature Extraction (SAFE) framework, which significantly improves bandwidth efficiency by allowing users to select different sub-semantic combinations based on their channel conditions. This paper also introduces three advanced learning algorithms to optimize the performance of SAFE framework as a whole. Through a series of simulation experiments, we demonstrate that the SAFE framework can effectively and adaptively extract and transmit semantics under different channel bandwidth conditions, of which effectiveness is verified through objective and subjective quality evaluations.
• Abstract（参考訳）: 現在のDeep Learning-based Semantic Communication (DeepSC) システムは、特定の単一チャネル条件に対してのみ設計・訓練されており、適応性と帯域幅の利用を制限している。 そこで本稿では,ユーザがチャネル条件に基づいて異なるサブセマンティック組み合わせを選択することで,帯域幅効率を大幅に向上する,革新的なセマンティック適応特徴抽出(SAFE)フレームワークを提案する。 本稿では,SAFEフレームワーク全体の性能を最適化する3つの高度な学習アルゴリズムについても紹介する。 一連のシミュレーション実験により,SAFEフレームワークは,異なるチャネル帯域条件下でのセマンティクスを効果的かつ適応的に抽出し,伝達し,その有効性は客観的および主観的品質評価によって検証できることを実証した。

関連論文リスト

• Modeling and Performance Analysis for Semantic Communications Based on Empirical Results [53.805458017074294]
  終端計測とSNRの関係をモデル化するためのAlpha-Beta-Gamma (ABG) 式を提案する。 画像再構成タスクでは、提案されたABG公式は、SCUNetやVision Transformerといった一般的なDLネットワークに適合する。 我々の知る限りでは、これはエンドツーエンドのパフォーマンス指標と意味コミュニケーションのためのSNRの間の最初の理論的表現である。
  論文  参考訳（メタデータ） (2025-04-29T06:07:50Z)
• Optimal Transport Adapter Tuning for Bridging Modality Gaps in Few-Shot Remote Sensing Scene Classification [80.83325513157637]
  Few-Shot Remote Sensing Scene Classification (FS-RSSC)は,限られたラベル付きサンプルを用いたリモートセンシング画像の分類の課題を示す。 理想的なプラトン表現空間を構築することを目的とした,OTAT(Optimal Transport Adapter Tuning)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-19T07:04:24Z)
• AdaPTS: Adapting Univariate Foundation Models to Probabilistic Multivariate Time Series Forecasting [10.899510048905926]
  本稿では,機能間の複雑な依存関係を管理し,予測の不確実性を定量化するアダプタを提案する。 合成データセットと実世界のデータセットの両方で実施された実験により、アダプタの有効性が確認された。 私たちのフレームワークであるAdaPTSは、アダプタをモジュール的でスケーラブルで効果的なソリューションとして位置づけています。
  論文  参考訳（メタデータ） (2025-02-14T15:46:19Z)
• Take What You Need: Flexible Multi-Task Semantic Communications with Channel Adaptation [51.53221300103261]
  本稿では,マスク付きオートエンコーダアーキテクチャに基づく,チャネル適応型・マルチタスク対応のセマンティックコミュニケーションフレームワークについて紹介する。 チャネル認識抽出器を用いて、リアルタイムのチャネル条件に応じて、関連情報を動的に選択する。 画像再構成や物体検出などのタスクにおける従来の手法と比較して,本手法の優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2025-02-12T09:01:25Z)
• Towards Federated Multi-Armed Bandit Learning for Content Dissemination using Swarm of UAVs [2.3076690318595676]
  提案アーキテクチャは,固定型アンカーUAVと移動型マイクロUAVのハイブリッドネットワークをユビキタスコンテンツの普及に活用する。 コンテンツ可用性を最大化するために最適なキャッシュポリシを動的に学習するコンテンツ拡散システムの開発に重点を置いている。 選択キャッシングアルゴリズムも導入され、UAV間の情報共有を組み込むことで冗長なコンテンツの複製を減らすことができる。
  論文  参考訳（メタデータ） (2025-01-15T20:55:13Z)
• 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)
• FANet: Feature Amplification Network for Semantic Segmentation in Cluttered Background [9.970265640589966]
  既存のディープラーニングアプローチでは、複雑なシナリオに存在するセマンティックセグメンテーションにおいて重要なセマンティックな方法が残されている。 マルチステージ機能拡張モジュールを用いて意味情報を組み込んだバックボーンネットワークとして機能増幅ネットワーク(FANet)を提案する。 実験の結果,既存の手法と比較して最先端の性能が示された。
  論文  参考訳（メタデータ） (2024-07-12T15:57:52Z)
• Meta-Learning Based Optimization for Large Scale Wireless Systems [45.025621137165025]
  文献における従来の最適化アルゴリズムの限界は、無線システムにおける送信アンテナ数や通信ユーザ数によって増大することが知られている。 本稿では,教師なしメタラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:45:27Z)
• Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
  本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。 AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。 AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2024-03-12T11:48:49Z)
• Semantic Entropy Can Simultaneously Benefit Transmission Efficiency and Channel Security of Wireless Semantic Communications [55.54210451136529]
  本稿では,適応トランスミッションと物理層暗号化の両方のためのセマンティクスを探索するためにSemEntropyを提案する。 セムエントロピーは意味論的精度を95%保ち、透過率を60%低減できることを示す。
  論文  参考訳（メタデータ） (2024-02-05T12:25:02Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• IDA: Informed Domain Adaptive Semantic Segmentation [51.12107564372869]
  クラスレベルのセグメンテーション性能に基づいてデータを混合する自己学習フレームワークであるDomain Informed Adaptation (IDA) モデルを提案する。 IDAモデルでは、クラスレベルの性能を期待信頼スコア(ECS)によって追跡し、動的スケジュールを用いて異なる領域のデータに対する混合比を決定する。 提案手法は,GTA-Vの都市景観への適応において1.1 mIoU,SynTHIAの都市への適応において0.9 mIoUのマージンで,最先端のUDA-SS法よりも優れる。
  論文  参考訳（メタデータ） (2023-03-05T18:16:34Z)
• 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)
• Adaptive and Cascaded Compressive Sensing [10.162966219929887]
  シーン依存型適応圧縮センシング(CS)は、CSの性能を大幅に向上させる大きな可能性を秘めている。 そこで本研究では,再構成誤差を直接予測可能な制限等尺特性(RIP)条件に基づく誤差クラッピングを提案する。 また,異なる適応サンプリング段階から得られた情報を効率的に活用できる機能融合再構成ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-03-21T07:50:24Z)
• Efficient Semantic Image Synthesis via Class-Adaptive Normalization [116.63715955932174]
  クラス適応正規化(CLADE)は、セマンティッククラスにのみ適応する軽量かつ等価なバリアントである。 セマンティクスレイアウトから計算したクラス内位置マップエンコーディングを導入し,cladeの正規化パラメータを変調する。 提案されたCLADEは異なるSPADEベースのメソッドに一般化し、SPADEと比較して同等の生成品質を達成できる。
  論文  参考訳（メタデータ） (2020-12-08T18:59:32Z)

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。