論文の概要: Distributionally Robust Wireless Semantic Communication with Large AI Models

• arxiv url: http://arxiv.org/abs/2506.03167v1
• Date: Wed, 28 May 2025 04:03:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:13.895143
• Title: Distributionally Robust Wireless Semantic Communication with Large AI Models
• Title（参考訳）: 大規模AIモデルを用いた分散ロバスト無線セマンティック通信
• Authors: Long Tan Le, Senura Hansaja Wanasekara, Zerun Niu, Yansong Shi, Nguyen H. Tran, Phuong Vo, Walid Saad, Dusit Niyato, Zhu Han, Choong Seon Hong, H. Vincent Poor,
• Abstract要約: 6G無線システムは、超低レイテンシで大量のデータをサポートすることが期待されている。 従来のビットレベルの伝送戦略は、現代的なデータ集約型アプリケーションに必要な効率と適応性をサポートできない。 セマンティックコミュニケーション(SemCom)の概念は、生データの代わりにタスク関連セマンティック情報を伝達することに集中することで、この制限に対処する。
• 参考スコア（独自算出の注目度）: 120.29419104482793
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: 6G wireless systems are expected to support massive volumes of data with ultra-low latency. However, conventional bit-level transmission strategies cannot support the efficiency and adaptability required by modern, data-intensive applications. The concept of semantic communication (SemCom) addresses this limitation by focusing on transmitting task-relevant semantic information instead of raw data. While recent efforts incorporating deep learning and large-scale AI models have improved SemCom's performance, existing systems remain vulnerable to both semantic-level and transmission-level noise because they often rely on domain-specific architectures that hinder generalizability. In this paper, a novel and generalized semantic communication framework called WaSeCom is proposed to systematically address uncertainty and enhance robustness. In particular, Wasserstein distributionally robust optimization is employed to provide resilience against semantic misinterpretation and channel perturbations. A rigorous theoretical analysis is performed to establish the robust generalization guarantees of the proposed framework. Experimental results on image and text transmission demonstrate that WaSeCom achieves improved robustness under noise and adversarial perturbations. These results highlight its effectiveness in preserving semantic fidelity across varying wireless conditions.
• Abstract（参考訳）: 6G無線システムは、超低レイテンシで大量のデータをサポートすることが期待されている。 しかし、従来のビットレベルの伝送戦略は、現代のデータ集約型アプリケーションに必要な効率と適応性をサポートできない。 セマンティックコミュニケーション(SemCom)の概念は、生データの代わりにタスク関連セマンティック情報を伝達することに集中することで、この制限に対処する。 ディープラーニングと大規模AIモデルを取り入れた最近の取り組みは、SemComのパフォーマンスを改善したが、既存のシステムは、汎用性を阻害するドメイン固有のアーキテクチャに依存することが多いため、セマンティックレベルとトランスミッションレベルのノイズの両方に弱いままである。 本稿では,不確実性に対処し,ロバスト性を高めるために,WaSeComと呼ばれる新しい汎用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。 特に、意味的誤解釈やチャネル摂動に対するレジリエンスを提供するために、分布的に堅牢な最適化が採用されている。 厳密な理論的解析を行い、提案フレームワークの堅牢な一般化保証を確立する。 画像とテキストの伝送実験の結果、WaSeComは雑音や逆方向の摂動下で頑健性の向上を実現していることがわかった。 これらの結果は,様々な無線条件における意味的忠実性を維持する上での有効性を強調した。

関連論文リスト

• Communication-Efficient Multi-Modal Edge Inference via Uncertainty-Aware Distributed Learning [60.650628083185616]
  トレーニングと推論効率を向上させるために,3段階のコミュニケーション対応分散学習フレームワークを提案する。 StageIでは、デバイスがローカルなマルチモーダルな自己教師型学習を行い、デバイス-サーバ交換なしで共有およびモダリティ固有のエンコーダを得る。 集中的な顕在的融合校正による分散微調整は、モダリティごとの不確かさを解消し、ノイズやチャネルのフェーディングによって歪んだ特徴を確実に集約する。 不確実性誘導フィードバック機構であるStageIIIは、分散環境での通信精度のトレードオフを最適化し、不確実なサンプルに対する追加機能を選択的に要求する。
  論文  参考訳（メタデータ） (2026-01-21T12:38:02Z)
• Prediction-Powered Communication with Distortion Guarantees [65.37485275954224]
  本研究では,デバイスが厳密な歪み保証付きゼロ遅延制約の下で通信する,予測駆動型通信環境について検討する。 本稿では,オンラインコンフォメーション予測を利用した2つのゼロ遅延圧縮アルゴリズムを提案する。 セマンティックテキスト圧縮の実験は、そのアプローチを検証し、ビットレートの大幅な削減を示す。
  論文  参考訳（メタデータ） (2025-09-29T07:19:39Z)
• Generative Feature Imputing - A Technique for Error-resilient Semantic Communication [46.46641562787869]
  本稿では,3つの鍵となる手法を取り入れた,生成的特徴インパッシング(generative feature imputing)という新しい枠組みを提案する。 まず,チャネルマッピングに基づいて特徴要素を符号化することで特徴歪みを空間的に集中する空間誤差集中パケット化手法を提案する。 第2に,パケット損失による欠落した特徴を効率的に再構築する拡散モデルを用いた生成的特徴量計算手法を提案する。 第3に,各パケットのセマンティックな重要性に応じて送信電力を割り当てることで,不等なエラー保護を可能にするセマンティック・アウェア・パワー・アロケーション・スキームを開発する。
  論文  参考訳（メタデータ） (2025-08-25T12:19:48Z)
• RIS-aided Latent Space Alignment for Semantic Channel Equalization [10.555901476981923]
  我々は,無線通信において,厳密なビットレベルの精度を保証するのではなく,意図した意味を伝達することに焦点を当てた新しいパラダイムを導入する。 これらのシステムは、しばしばデータから直接意味を学習し、エンコードするためにディープニューラルネットワーク(DNN)に依存しており、より効率的な通信を可能にしている。 本研究では、再構成可能なインテリジェントサーフェス(RIS)の存在を利用する物理・意味チャネル等化フレームワークを提案する。 提案手法は, 様々なシナリオや無線チャネル条件において, 従来型, 意味的, 意味的, 意味的チャネル等化へのアプローチを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-07-22T10:51:35Z)
• Diffusion-based Task-oriented Semantic Communications with Model Inversion Attack [6.115539523178243]
  タスク指向セマンティックコミュニケーションは、6Gネットワークのための有望なニューラルネットワークベースのシステム設計である。 そこで我々はDiffSemという拡散型セマンティック・コミュニケーション・フレームワークを提案し,セマンティック・インフォメーションの再構築を最適化した。 その結果,DiffSemは分類精度を10.03%向上し,動的チャネル下での安定した性能を維持した。
  論文  参考訳（メタデータ） (2025-06-24T05:21:27Z)
• Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
  生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。 意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づく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。 提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
  論文  参考訳（メタデータ） (2025-06-06T03:20:32Z)
• Enhancing Privacy in Semantic Communication over Wiretap Channels leveraging Differential Privacy [51.028047763426265]
  セマンティック通信(SemCom)は,タスク関連情報に着目して伝送効率を向上させる。 セマンティックリッチなデータをセキュアでないチャネルで送信すると、プライバシのリスクが生じる。 本稿では,セマンティックなセマンティックな特徴を保護するために,差分プライバシー機構を統合した新しいSemComフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-23T08:42:44Z)
• Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
  フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。 既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。 本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
  論文  参考訳（メタデータ） (2025-01-20T04:26:21Z)
• Latent Diffusion Model-Enabled Low-Latency Semantic Communication in the Presence of Semantic Ambiguities and Wireless Channel Noises [18.539501941328393]
  本稿では,ソースデータのアウトレイラを処理するために,遅延拡散モデルを用いたSemComシステムを開発した。 軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。 終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
  論文  参考訳（メタデータ） (2024-06-09T23:39:31Z)
• 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)
• Asymmetric Diffusion Based Channel-Adaptive Secure Wireless Semantic Communications [5.539381022630274]
  拡散モデルと深部強化学習(DRL)を利用したセキュアな意味コミュニケーションシステムDiffuSeCを提案する。 送信側端の拡散モジュールと受信側端の非対称なdenoisingモジュールにより、DiffuSeCはセマンティックアタックによって追加された摂動を緩和する。 セマンティックアタックによる不安定なチャネル条件下でのロバスト性をさらに向上するため,DRLに基づくチャネル適応拡散ステップ選択方式を開発した。
  論文  参考訳（メタデータ） (2023-10-30T11:00:47Z)
• 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)
• 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。