論文の概要: Task-Driven Semantic Quantization and Imitation Learning for Goal-Oriented Communications

• arxiv url: http://arxiv.org/abs/2502.17842v1
• Date: Tue, 25 Feb 2025 04:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:21:00.487835
• Title: Task-Driven Semantic Quantization and Imitation Learning for Goal-Oriented Communications
• Title（参考訳）: 目標指向通信のためのタスク駆動セマンティック量子化と模倣学習
• Authors: Yu-Chieh Chao, Yubei Chen, Weiwei Wang, Achintha Wijesinghe, Suchinthaka Wanninayaka, Songyang Zhang, Zhi Ding,
• Abstract要約: GOS-VAE(Goal-Oriented Semantic Variational Autoencoder)という,新たな目標指向通信(GO-COM)フレームワークを提案する。 データ再構成における関連する意味的特徴を捉えるために、データ再生品質を測定するために模倣学習を採用する。 実験により,提案したGOS-VAEの目的指向意味論と帯域幅効率を特徴付ける上で,模倣学習の能力を示す。
• 参考スコア（独自算出の注目度）: 44.330805289033
• License:
• Abstract: Semantic communication marks a new paradigm shift from bit-wise data transmission to semantic information delivery for the purpose of bandwidth reduction. To more effectively carry out specialized downstream tasks at the receiver end, it is crucial to define the most critical semantic message in the data based on the task or goal-oriented features. In this work, we propose a novel goal-oriented communication (GO-COM) framework, namely Goal-Oriented Semantic Variational Autoencoder (GOS-VAE), by focusing on the extraction of the semantics vital to the downstream tasks. Specifically, we adopt a Vector Quantized Variational Autoencoder (VQ-VAE) to compress media data at the transmitter side. Instead of targeting the pixel-wise image data reconstruction, we measure the quality-of-service at the receiver end based on a pre-defined task-incentivized model. Moreover, to capture the relevant semantic features in the data reconstruction, imitation learning is adopted to measure the data regeneration quality in terms of goal-oriented semantics. Our experimental results demonstrate the power of imitation learning in characterizing goal-oriented semantics and bandwidth efficiency of our proposed GOS-VAE.
• Abstract（参考訳）: セマンティック通信は、帯域幅削減を目的としたビットワイドデータ伝送からセマンティック情報配信への新たなパラダイムシフトである。 受信側でより効果的にダウンストリームタスクを実行するためには、タスクやゴール指向の機能に基づいて、データの中で最も重要なセマンティックメッセージを定義することが不可欠である。 本稿では,ゴール指向型セマンティック変分オートエンコーダ(GOS-VAE)という,新たなゴール指向通信(GO-COM)フレームワークを提案する。 具体的には,Vector Quantized Variational Autoencoder (VQ-VAE)を用いてメディアデータを送信側で圧縮する。 画素単位の画像データ再構成を目標にするのではなく,予め定義されたタスクインセンティブモデルに基づいて受信側の品質・オブ・サービスを測定する。 さらに、データ再構成における関連する意味的特徴を捉えるために、目的指向のセマンティクスの観点からデータ再生品質を測定するために模倣学習を採用する。 実験により,提案したGOS-VAEの目標指向意味論と帯域幅効率を特徴付ける上で,模倣学習の能力を示す。

関連論文リスト

• Tackling Distribution Shifts in Task-Oriented Communication with Information Bottleneck [28.661084093544684]
  本稿では,情報ボトルネック(IB)原理と不変リスク最小化(IRM)フレームワークに基づく新しいアプローチを提案する。 提案手法は,効率的な領域シフト一般化のための高機能を有するコンパクトかつ情報的特徴を抽出することを目的としている。 提案手法は最先端の手法より優れ、より優れたレート歪みトレードオフを実現することを示す。
  論文  参考訳（メタデータ） (2024-05-15T17:07:55Z)
• Transformer-Aided Semantic Communications [28.63893944806149]
  我々は、入力画像の圧縮とコンパクトな表現のために、視覚変換器を用いる。 変圧器固有のアテンション機構を用いることで、アテンションマスクを作成する。 提案手法の有効性をTinyImageNetデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2024-05-02T17:50:53Z)
• 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)
• Reasoning over the Air: A Reasoning-based Implicit Semantic-Aware Communication Framework [124.6509194665514]
  ソースユーザと宛先ユーザの間で暗黙的な意味を表現し,伝達し,解釈するために,新しい暗黙的意味コミュニケーション(iSAC)アーキテクチャを提案する。 プロジェクションベースセマンティックエンコーダは, 明示的セマンティックスの高次元グラフィカル表現を低次元セマンティックコンステレーション空間に変換し, 効率的な物理チャネル伝送を実現する。 ソースユーザの暗黙的意味推論過程を学習し、模倣できるようにするため、G-RMLと呼ばれる生成逆模倣学習ベースのソリューションが提案されている。
  論文  参考訳（メタデータ） (2023-06-20T01:32:27Z)
• Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
  トポロジカル空間の観点から意味コミュニケーションを研究する。 送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。 受信機は構造を復号し、行方不明または歪んだデータを推測する。
  論文  参考訳（メタデータ） (2022-10-30T22:33:44Z)
• 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)
• Learning Task-Oriented Communication for Edge Inference: An Information Bottleneck Approach [3.983055670167878]
  ローエンドエッジ装置は、ローカルデータサンプルの抽出された特徴ベクトルを強力なエッジサーバに送信して処理する。 帯域幅が限られているため、データを低遅延推論のための情報的かつコンパクトな表現に符号化することが重要である。 特徴抽出,ソース符号化,チャネル符号化を協調的に最適化する学習型通信方式を提案する。
  論文  参考訳（メタデータ） (2021-02-08T12:53:32Z)

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。