論文の概要: Reinforcement-Learned Unequal Error Protection for Quantized Semantic Embeddings

• arxiv url: http://arxiv.org/abs/2601.00186v1
• Date: Thu, 01 Jan 2026 03:14:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.297505
• Title: Reinforcement-Learned Unequal Error Protection for Quantized Semantic Embeddings
• Title（参考訳）: 量子化セマンティックインベディングにおける強化学習型不等式保護
• Authors: Moirangthem Tiken Singh, Adnan Arif,
• Abstract要約: 本稿では,限られた帯域幅に制約された通信システムにおける意味的意味の保存というプレス的課題に取り組む。 本稿では,適応的繰り返し符号化による一次元不等な誤り保護を実現する新しい強化学習フレームワークを提案する。 実験では、一様保護よりも統計的に有意な増加を示し、ChrFのスコアは6.8%高く、1dB SNRで9.3%向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper tackles the pressing challenge of preserving semantic meaning in communication systems constrained by limited bandwidth. We introduce a novel reinforcement learning framework that achieves per-dimension unequal error protection via adaptive repetition coding. Central to our approach is a composite semantic distortion metric that balances global embedding similarity with entity-level preservation, empowering the reinforcement learning agent to allocate protection in a context-aware manner. Experiments show statistically significant gains over uniform protection, achieving 6.8% higher chrF scores and 9.3% better entity preservation at 1 dB SNR. The key innovation of our framework is the demonstration that simple, intelligently allocated repetition coding enables fine-grained semantic protection -- an advantage unattainable with conventional codes such as LDPC or Reed-Solomon. Our findings challenge traditional channel coding paradigms by establishing that code structure must align with semantic granularity. This approach is particularly suited to edge computing and IoT scenarios, where bandwidth is scarce, but semantic fidelity is critical, providing a practical pathway for next-generation semantic-aware networks.
• Abstract（参考訳）: 本稿では,限られた帯域幅に制約された通信システムにおける意味的意味の保存というプレス的課題に取り組む。 本稿では,適応的繰り返し符号化による一次元不等な誤り保護を実現する新しい強化学習フレームワークを提案する。 我々のアプローチの中心は、グローバルな埋め込み類似性とエンティティレベルの保存のバランスを保ち、強化学習エージェントがコンテキスト対応で保護を割り当てる権限を与える複合意味歪み計量である。 実験では、一様保護よりも統計的に有意な増加を示し、ChrFのスコアは6.8%高く、1dB SNRで9.3%向上した。 私たちのフレームワークのキーとなる革新は、シンプルでインテリジェントに割り当てられた反復コーディングによって、きめ細かいセマンティックプロテクションが可能になります -- LDPCやReed-Solomonのような従来のコードでは実現不可能なメリットです。 我々の発見は、コード構造が意味的な粒度と一致しなければならないことを確立することによって、従来のチャネルコーディングパラダイムに挑戦する。 このアプローチは、帯域幅が乏しいエッジコンピューティングやIoTシナリオに特に適しているが、セマンティック忠実性は重要であり、次世代セマンティックアウェアネットワークの実践的なパスを提供する。

関連論文リスト

• CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge [50.42067935605982]
  ローカルメモリの効率とグローバル通信の削減を両立させる新しい圧縮・結合型学習フレームワークを提案する。 CoCo-Fedは、メモリと通信効率の両方において最先端のベースラインを著しく上回り、非IID設定下では堅牢な収束を維持している。
  論文  参考訳（メタデータ） (2026-01-02T03:39:50Z)
• Rethinking Security in Semantic Communication: Latent Manipulation as a New Threat [4.488447044579913]
  ディープラーニングに基づくセマンティックコミュニケーション(SemCom)は,次世代無線ネットワークにおいて有望なパラダイムとして登場した。 本論文では,マン・イン・ザ・ミドル(MitM)攻撃者が送信されたセマンティクスを隠蔽的に操作できる基本的な潜時空間脆弱性を明らかにする。
  論文  参考訳（メタデータ） (2025-12-03T01:54:11Z)
• SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
  SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。 対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-11-03T11:24:06Z)
• CoT-Saliency: Unified Chain-of-Thought Reasoning for Heterogeneous Saliency Tasks [96.64597365827046]
  本稿では,3つの運用上不均一なサリエンシタスクを共同で処理する,最初の統合フレームワークを提案する。 タスクの不均一性を橋渡しする視覚言語モデル(VLM)において、チェーン・オブ・ソート(CoT)推論プロセスを導入する。 我々は,全タスクにまたがる特別なSOTA手法と強力なクローズドソースVLMの整合性を示す。
  論文  参考訳（メタデータ） (2025-11-01T04:37:01Z)
• Physical Layer Deception based on Semantic Distortion [58.38604209714828]
  物理層 deception (PLD) は、物理層セキュリティ(PLS)と偽造技術を統合するフレームワークである。 我々は,この枠組みを意味的コミュニケーションモデルに拡張し,性能指標として意味的歪みを用いた理論的解析を行う。
  論文  参考訳（メタデータ） (2025-10-16T18:23:35Z)
• 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)
• Thought Purity: A Defense Framework For Chain-of-Thought Attack [16.56580534764132]
  本稿では,悪意のあるコンテンツに対する抵抗性を高めつつ,操作効率を保ちつつ,その耐性を高めるフレームワークであるThought Purityを提案する。 本手法は,強化学習型推論システムにおけるCoTA脆弱性に対する最初の包括的防御機構を確立する。
  論文  参考訳（メタデータ） (2025-07-16T15:09:13Z)
• SemProtector: A Unified Framework for Semantic Protection in Deep Learning-based Semantic Communication Systems [51.97204522852634]
  3つのセマンティック・プロテクション・モジュールを用いたオンラインセマンティック・コミュニケーション・システムの実現を目的とした統合されたフレームワークを提案する。 具体的には、これらの保護モジュールは、暗号化方法によって送信されるセマンティクスを暗号化し、摂動機構によって無線チャネルからのプライバシーリスクを軽減し、目的地で歪んだセマンティクスを校正することができる。 我々のフレームワークは、既存のオンラインSCシステムにおいて、上記3つのプラグイン可能なモジュールを動的に組み立てて、カスタマイズされたセマンティックプロテクション要件を満たすことを可能にする。
  論文  参考訳（メタデータ） (2023-09-04T06:34:43Z)

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。