論文の概要: Generative Semantic Communication: Architectures, Technologies, and Applications

• arxiv url: http://arxiv.org/abs/2412.08642v1
• Date: Wed, 11 Dec 2024 18:59:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:00:40.318724
• Title: Generative Semantic Communication: Architectures, Technologies, and Applications
• Title（参考訳）: ジェネレーティブセマンティックコミュニケーション:アーキテクチャ、技術、応用
• Authors: Jinke Ren, Yaping Sun, Hongyang Du, Weiwen Yuan, Chongjie Wang, Xianda Wang, Yingbin Zhou, Ziwei Zhu, Fangxin Wang, Shuguang Cui,
• Abstract要約: 本稿では,ジェネレーティブ人工知能(GAI)のセマンティックコミュニケーションへの応用について述べる。 3つの人気セムコムシステムが最初に導入され、その中には変分オートエンコーダ、生成逆数ネットワーク、拡散モデルなどがある。 最先端のGAI技術大規模言語モデル(LLM)を取り入れた新しい生成型SemComシステムを提案する。
• 参考スコア（独自算出の注目度）: 36.67865904029129
• License:
• Abstract: This paper delves into the applications of generative artificial intelligence (GAI) in semantic communication (SemCom) and presents a thorough study. Three popular SemCom systems enabled by classical GAI models are first introduced, including variational autoencoders, generative adversarial networks, and diffusion models. For each system, the fundamental concept of the GAI model, the corresponding SemCom architecture, and the associated literature review of recent efforts are elucidated. Then, a novel generative SemCom system is proposed by incorporating the cutting-edge GAI technology-large language models (LLMs). This system features two LLM-based AI agents at both the transmitter and receiver, serving as "brains" to enable powerful information understanding and content regeneration capabilities, respectively. This innovative design allows the receiver to directly generate the desired content, instead of recovering the bit stream, based on the coded semantic information conveyed by the transmitter. Therefore, it shifts the communication mindset from "information recovery" to "information regeneration" and thus ushers in a new era of generative SemCom. A case study on point-to-point video retrieval is presented to demonstrate the superiority of the proposed generative SemCom system, showcasing a 99.98% reduction in communication overhead and a 53% improvement in retrieval accuracy compared to the traditional communication system. Furthermore, four typical application scenarios for generative SemCom are delineated, followed by a discussion of three open issues warranting future investigation. In a nutshell, this paper provides a holistic set of guidelines for applying GAI in SemCom, paving the way for the efficient implementation of generative SemCom in future wireless networks.
• Abstract（参考訳）: 本稿では,ジェネレーティブ・人工知能(GAI)のセマンティック・コミュニケーション(SemCom)への応用について述べる。 古典的GAIモデルによって実現された3つの人気のあるSemComシステムは、変分オートエンコーダ、生成逆数ネットワーク、拡散モデルを含む、最初に導入された。 各システムについて、GAIモデルの基本概念、対応するSemComアーキテクチャ、および最近の取り組みに関する文献レビューを明らかにする。 次に,最先端のGAI技術大規模言語モデル(LLM)を組み込むことにより,新しい生成型SemComシステムを提案する。 このシステムは、2つのLLMベースのAIエージェントを送信機と受信機の両方に配置し、それぞれ「脳」として機能し、強力な情報理解とコンテンツ再生機能を実現する。 この革新的な設計により、受信者は、送信者が伝達するコード化されたセマンティック情報に基づいて、ビットストリームを復元する代わりに、望まれるコンテンツを直接生成することができる。 そのため、コミュニケーションマインドセットを「情報回復」から「情報再生」に転換し、新たな生成的セムコムの時代へと導く。 従来の通信システムと比較して,99.98%の通信オーバヘッド削減と53%の検索精度向上を図り,提案した生成SemComシステムの優位性を示すために,ポイントツーポイントビデオ検索のケーススタディを提案する。 さらに、ジェネレーティブSemComの典型的な4つのアプリケーションシナリオが概説され、その後、今後の調査を保証している3つのオープンイシューが議論されている。 本稿では,SemCom に GAI を適用するための総括的なガイドラインを提供するとともに,次世代無線ネットワークにおけるジェネレーティブ SemCom の効率的な実装の道を開く。

関連論文リスト

• Large Generative Model-assisted Talking-face Semantic Communication System [55.42631520122753]
  本研究では,LGM-TSC(Large Generative Model-assisted Talking-face Semantic Communication)システムを提案する。 送信機のジェネレーティブセマンティック・エクストラクタ(GSE)は、意味的にスパースな音声映像を高情報密度のテキストに変換する。 意味的曖昧さと修正のためのLarge Language Model (LLM)に基づくPrivate Knowledge Base (KB)。 BERT-VITS2とSadTalkerモデルを用いた生成意味再構成(GSR)により、テキストを高QoE音声ビデオに変換する。
  論文  参考訳（メタデータ） (2024-11-06T12:45:46Z)
• 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)
• 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 Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication [53.78269720999609]
  本稿では,セマンティック通信(SemCom)を利用したAIGC(SemAIGC)の生成と伝送フレームワークを提案する。 具体的には、セマンティックエンコーダとデコーダに拡散モデルを統合し、ワークロード調整可能なトランシーバを設計する。 提案するSemAIGCフレームワークは,従来の手法に比べてレイテンシとコンテンツ品質が優れていることがシミュレーションによって検証された。
  論文  参考訳（メタデータ） (2023-10-26T18:05:22Z)
• 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)
• Enhancing Semantic Communication with Deep Generative Models -- An ICASSP Special Session Overview [25.314693624878053]
  このICASSP特別セッションの概要は、機械学習の観点から意味コミュニケーションの課題を明らかにする。 深層生成モデルがセマンティックコミュニケーションフレームワークをいかに大幅に強化するかを明らかにしている。 次世代のジェネレーティブ・セマンティック・コミュニケーション・フレームワークの新たな研究経路をグラフ化している。
  論文  参考訳（メタデータ） (2023-09-05T15:11:16Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)

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。