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

• arxiv url: http://arxiv.org/abs/2506.03167v2
• Date: Sun, 02 Nov 2025 00:24:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-04 18:19:02.743611
• 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, Nguyen H. Tran, Phuong Vo, Walid Saad, Dusit Niyato, Zhu Han, Choong Seon Hong, H. Vincent Poor,
• Abstract要約: 現在のSemComシステムは、様々なノイズ条件、敵攻撃、アウト・オブ・ディストリビューション・データにまたがる一般化に失敗している。 Wassersteinは、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を採用している。 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。
• 参考スコア（独自算出の注目度）: 111.47794569742206
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Semantic communication (SemCom) has emerged as a promising paradigm for 6G wireless systems by transmitting task-relevant information rather than raw bits, yet existing approaches remain vulnerable to dual sources of uncertainty: semantic misinterpretation arising from imperfect feature extraction and transmission-level perturbations from channel noise. Current deep learning based SemCom systems typically employ domain-specific architectures that lack robustness guarantees and fail to generalize across diverse noise conditions, adversarial attacks, and out-of-distribution data. 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）: セマンティック通信(Semantic Communication, SemCom)は6G無線システムにおいて、生のビットではなくタスク関連情報を伝達することで有望なパラダイムとして登場したが、既存のアプローチは、不完全特徴抽出による意味的誤解釈やチャネルノイズからの伝達レベルの摂動といった不確実性の二重源に弱いままである。 現在のディープラーニングベースのSemComシステムでは、堅牢性の保証が欠如し、様々なノイズ条件、敵攻撃、アウト・オブ・ディストリビューションデータにまたがる一般化に失敗するドメイン固有のアーキテクチャが一般的である。 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

• 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)
• 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)
• 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。