論文の概要: Semantic Communication based on Generative AI: A New Approach to Image Compression and Edge Optimization

• arxiv url: http://arxiv.org/abs/2502.01675v1
• Date: Sat, 01 Feb 2025 21:48:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:05:20.599781
• Title: Semantic Communication based on Generative AI: A New Approach to Image Compression and Edge Optimization
• Title（参考訳）: 生成AIに基づく意味コミュニケーション:画像圧縮とエッジ最適化の新しいアプローチ
• Authors: Francesco Pezone,
• Abstract要約: この論文は、最適化された画像圧縮とエッジネットワークリソース割り当てのための意味コミュニケーションと生成モデルを統合する。 通信インフラは、帯域幅効率とレイテンシーの大幅な改善の恩恵を受けることができる。 その結果、生成AIとセマンティックコミュニケーションを組み合わせて、より効率的なセマンティックゴール指向のコミュニケーションネットワークを構築する可能性を実証した。
• 参考スコア（独自算出の注目度）: 1.450405446885067
• License:
• Abstract: As digital technologies advance, communication networks face challenges in handling the vast data generated by intelligent devices. Autonomous vehicles, smart sensors, and IoT systems necessitate new paradigms. This thesis addresses these challenges by integrating semantic communication and generative models for optimized image compression and edge network resource allocation. Unlike bit-centric systems, semantic communication prioritizes transmitting meaningful data specifically selected to convey the meaning rather than obtain a faithful representation of the original data. The communication infrastructure can benefit to significant improvements in bandwidth efficiency and latency reduction. Central to this work is the design of semantic-preserving image compression using Generative Adversarial Networks and Denoising Diffusion Probabilistic Models. These models compress images by encoding only semantically relevant features, allowing for high-quality reconstruction with minimal transmission. Additionally, a Goal-Oriented edge network optimization framework is introduced, leveraging the Information Bottleneck principle and stochastic optimization to dynamically allocate resources and enhance efficiency. By integrating semantic communication into edge networks, this approach balances computational efficiency and communication effectiveness, making it suitable for real-time applications. The thesis compares semantic-aware models with conventional image compression techniques using classical and semantic evaluation metrics. Results demonstrate the potential of combining generative AI and semantic communication to create more efficient semantic-goal-oriented communication networks that meet the demands of modern data-driven applications.
• Abstract（参考訳）: デジタル技術が進歩するにつれて、通信ネットワークはインテリジェントデバイスが生成する膨大なデータを扱う際の課題に直面している。 自動運転車、スマートセンサー、IoTシステムは、新しいパラダイムを必要とする。 この論文は、最適化画像圧縮とエッジネットワークリソース割り当てのためのセマンティックコミュニケーションと生成モデルを統合することで、これらの課題に対処する。 ビット中心のシステムとは異なり、セマンティック通信は、元のデータの忠実な表現を得るよりも、意味を伝えるために特別に選択された意味のあるデータを送信することを優先する。 通信インフラは、帯域幅効率とレイテンシーの大幅な改善の恩恵を受けることができる。 この研究の中心は、生成的逆数ネットワークと拡散確率モデルを用いた意味保存画像圧縮の設計である。 これらのモデルは意味的に関係のある特徴のみを符号化することで画像を圧縮し、最小限の伝送で高品質な再構成を可能にする。 さらに、Goal-Oriented edge network optimization frameworkを導入し、Information Bottleneck原則と確率最適化を利用してリソースを動的に割り当て、効率を向上させる。 エッジネットワークにセマンティック通信を統合することにより、計算効率と通信効率のバランスを保ち、リアルタイムアプリケーションに適している。 この論文は、意味認識モデルと従来の画像圧縮手法を古典的および意味的評価指標を用いて比較する。 その結果、生成AIとセマンティックコミュニケーションを組み合わせて、現代的なデータ駆動アプリケーションの要求を満たすより効率的なセマンティックゴール指向の通信ネットワークを構築する可能性を実証した。

関連論文リスト

• AoI in Context-Aware Hybrid Radio-Optical IoT Networks [8.467370216900107]
  光通信(OC)を無線周波数(RF)の強化媒体とするハイブリッドIoTネットワークについて検討する。 我々は、スループットの収集とエネルギーの最小化と技術間の切り替え頻度のバランスをとるために、多目的最適化戦略を採用する。 シミュレーションの結果,OC補充統合によりネットワーク全体の性能が向上し,Mean AoI と Peak AoI が大幅に削減された。
  論文  参考訳（メタデータ） (2024-12-17T13:48:25Z)
• Vision Transformer-based Semantic Communications With Importance-Aware Quantization [13.328970689723096]
  本稿では、無線画像伝送のための重要量化(IAQ)を用いた視覚変換器(ViT)に基づくセマンティック通信システムを提案する。 筆者らのIAQフレームワークは, エラーのない, 現実的な通信シナリオにおいて, 従来の画像圧縮手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-08T19:24:47Z)
• 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)
• 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)
• Dynamic Relative Representations for Goal-Oriented Semantic Communications [13.994922919058922]
  通信のセマンティクスと有効性は6G無線ネットワークにおいて基本的な役割を果たす。 潜時空間通信において、この課題は、ディープニューラルネットワークがデータをエンコードする高次元表現における誤調整として現れる。 本稿では,相対表現を利用して意味ミスマッチを緩和する,ゴール指向のセマンティックコミュニケーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-25T17:48:06Z)
• 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)
• Semantic Communication Enabling Robust Edge Intelligence for Time-Critical IoT Applications [87.05763097471487]
  本稿では、時間クリティカルなIoTアプリケーションのためのセマンティック通信を用いて、堅牢なエッジインテリジェンスを設計することを目的とする。 本稿では,画像DCT係数が推定精度に与える影響を解析し,オフロードのためのチャネル非依存の有効性符号化を提案する。
  論文  参考訳（メタデータ） (2022-11-24T20:13:17Z)
• Performance Optimization for Semantic Communications: An Attention-based Reinforcement Learning Approach [187.4094332217186]
  テキストデータ伝送のためのセマンティック通信フレームワークを提案する。 回復したテキストの意味的精度と完全性を共同でキャプチャする意味的類似度尺度(MSS)を提案する。
  論文  参考訳（メタデータ） (2022-08-17T11:39:16Z)
• 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。