論文の概要: Token Communications: A Unified Framework for Cross-modal Context-aware Semantic Communications
- arxiv url: http://arxiv.org/abs/2502.12096v1
- Date: Mon, 17 Feb 2025 18:14:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:08:24.244062
- Title: Token Communications: A Unified Framework for Cross-modal Context-aware Semantic Communications
- Title（参考訳）: Token Communications: クロスモーダルなコンテキスト対応セマンティックコミュニケーションのための統一フレームワーク
- Authors: Li Qiao, Mahdi Boloursaz Mashhadi, Zhen Gao, Rahim Tafazolli, Mehdi Bennis, Dusit Niyato,
- Abstract要約: 生成セマンティックコミュニケーション(GenSC)におけるクロスモーダルコンテキスト情報を活用する統合フレームワークであるトークン通信(TokCom)を導入する。
TokComは、最近の生成基盤モデルとマルチモーダル大言語モデル(GFM/MLLM)の成功に動機づけられている。
我々は、画像のGenSC設定において対応するTokComの利点を実証し、クロスモーダルなコンテキスト情報を活用し、セマンティック/パーセプチュアル品質の無視によって帯域幅効率を70.8%向上させる。
- 参考スコア（独自算出の注目度）: 78.80966346820553
- License:
- Abstract: In this paper, we introduce token communications (TokCom), a unified framework to leverage cross-modal context information in generative semantic communications (GenSC). TokCom is a new paradigm, motivated by the recent success of generative foundation models and multimodal large language models (GFM/MLLMs), where the communication units are tokens, enabling efficient transformer-based token processing at the transmitter and receiver. In this paper, we introduce the potential opportunities and challenges of leveraging context in GenSC, explore how to integrate GFM/MLLMs-based token processing into semantic communication systems to leverage cross-modal context effectively, present the key principles for efficient TokCom at various layers in future wireless networks. We demonstrate the corresponding TokCom benefits in a GenSC setup for image, leveraging cross-modal context information, which increases the bandwidth efficiency by 70.8% with negligible loss of semantic/perceptual quality. Finally, the potential research directions are identified to facilitate adoption of TokCom in future wireless networks.
- Abstract（参考訳）: 本稿では,ジェネレーティブ・セマンティック・コミュニケーション(GenSC)におけるクロスモーダル・コンテキスト情報を活用する統一フレームワークであるトークン・コミュニケーション(TokCom)を紹介する。
TokComは、送信機と受信機における効率的なトランスフォーマーベースのトークン処理を実現するため、最近の生成基盤モデルとマルチモーダル大言語モデル(GFM/MLLM)の成功に動機づけられた新しいパラダイムである。
本稿では,GFM/MLLMをベースとしたトークン処理をセマンティック通信システムに統合し,クロスモーダルなコンテキストを効果的に活用する方法について検討し,将来の無線ネットワークの様々な層においてTokComを効果的に活用するための鍵となる原則を提示する。
我々は、画像のGenSC設定において対応するTokComの利点を実証し、クロスモーダルなコンテキスト情報を活用し、セマンティック/パーセプチュアル品質の無視によって帯域幅効率を70.8%向上させる。
最後に、将来の無線ネットワークにおけるTokComの採用を促進するために、潜在的研究の方向性を特定する。
関連論文リスト
- 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) - Semantic Revolution from Communications to Orchestration for 6G: Challenges, Enablers, and Research Directions [16.807697160355303]
本稿では,KB-MANO(Knowledge Base Management and Orchestration)フレームワークを紹介する。
KB-MANOは、知識の更新と再配布に特化したネットワークおよびコンピューティングリソースの割り当てを目的としている。
KB-MANOと無線アクセスネットワークのリソース割り当ての統合を実証するために概念実証法を提案する。
論文 参考訳（メタデータ） (2024-06-24T09:04:09Z) - Will 6G be Semantic Communications? Opportunities and Challenges from
Task Oriented and Secure Communications to Integrated Sensing [49.83882366499547]
本稿では,マルチタスク学習を統合した次世代(NextG)ネットワークにおけるタスク指向およびセマンティックコミュニケーションの機会と課題について検討する。
我々は、送信側の専用エンコーダと受信側の複数のタスク固有のデコーダを表すディープニューラルネットワークを用いる。
トレーニングとテストの段階において、敵対的攻撃に起因する潜在的な脆弱性を精査する。
論文 参考訳（メタデータ） (2024-01-03T04:01:20Z) - 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 and Distributed Learning Over Wireless Networks:
Principles and Applications [55.65768284748698]
機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。
本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
論文 参考訳（メタデータ） (2020-08-06T12:37:14Z) - Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。
本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる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） (2020-02-11T07:19:45Z)
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。