論文の概要: Semantic-Aware Visual Information Transmission With Key Information Extraction Over Wireless Networks

• arxiv url: http://arxiv.org/abs/2506.12786v1
• Date: Sun, 15 Jun 2025 09:32:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.882834
• Title: Semantic-Aware Visual Information Transmission With Key Information Extraction Over Wireless Networks
• Title（参考訳）: 無線ネットワーク上でのキー情報抽出による意味認識型視覚情報伝送
• Authors: Chen Zhu, Kang Liang, Jianrong Bao, Zhouxiang Zhao, Zhaohui Yang, Zhaoyang Zhang, Mohammad Shikh-Bahaei,
• Abstract要約: 本稿では,資源制約付き6Gネットワークに適したAIネイティブなディープジョイントソースチャネル符号化(JSCC)フレームワークを提案する。 提案手法は,鍵情報抽出と適応的背景合成を統合し,インテリジェントでセマンティックな伝送を実現する。
• 参考スコア（独自算出の注目度）: 34.11565549404313
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of 6G networks demands unprecedented levels of intelligence, adaptability, and efficiency to address challenges such as ultra-high-speed data transmission, ultra-low latency, and massive connectivity in dynamic environments. Traditional wireless image transmission frameworks, reliant on static configurations and isolated source-channel coding, struggle to balance computational efficiency, robustness, and quality under fluctuating channel conditions. To bridge this gap, this paper proposes an AI-native deep joint source-channel coding (JSCC) framework tailored for resource-constrained 6G networks. Our approach integrates key information extraction and adaptive background synthesis to enable intelligent, semantic-aware transmission. Leveraging AI-driven tools, Mediapipe for human pose detection and Rembg for background removal, the model dynamically isolates foreground features and matches backgrounds from a pre-trained library, reducing data payloads while preserving visual fidelity. Experimental results demonstrate significant improvements in peak signal-to-noise ratio (PSNR) compared with traditional JSCC method, especially under low-SNR conditions. This approach offers a practical solution for multimedia services in resource-constrained mobile communications.
• Abstract（参考訳）: 6Gネットワークの出現は、超高速データ伝送、超低レイテンシ、動的環境における大規模な接続といった課題に対処するために、前例のないレベルのインテリジェンス、適応性、効率性を要求する。 従来の無線画像伝送フレームワークは、静的な構成と孤立したソースチャネル符号化に依存しており、変動するチャネル条件下での計算効率、堅牢性、品質のバランスをとるのに苦労している。 このギャップを埋めるために,資源制約付き6Gネットワークに適したAIネイティブなディープジョイントソースチャネル符号化(JSCC)フレームワークを提案する。 提案手法は,鍵情報抽出と適応的背景合成を統合し,インテリジェントでセマンティックな伝送を実現する。 AI駆動のツール、人間のポーズ検出のためのMediapipe、バックグラウンド削除のためのRembgを活用することで、モデルが動的に前景の機能を分離し、トレーニング済みライブラリからバックグラウンドにマッチし、視覚的忠実性を維持しながらデータのペイロードを削減する。 実験の結果,特に低SNR条件下でのJSCC法と比較して,ピーク信号対雑音比(PSNR)が有意に改善した。 このアプローチは、リソース制約のあるモバイル通信におけるマルチメディアサービスに実用的なソリューションを提供する。

関連論文リスト

• Distributionally Robust Wireless Semantic Communication with Large AI Models [120.29419104482793]
  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。
  論文  参考訳（メタデータ） (2025-05-28T04:03:57Z)
• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• 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)
• 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)
• 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)
• 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)
• Federated Learning over Wireless IoT Networks with Optimized Communication and Resources [98.18365881575805]
  協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。 無線システム上での高速応答および高精度FLスキームの検証が重要である。 提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
  論文  参考訳（メタデータ） (2021-10-22T13:25:57Z)

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。