論文の概要: Toward a Unified Semantic Loss Model for Deep JSCC-based Transmission of EO Imagery
- arxiv url: http://arxiv.org/abs/2602.00136v1
- Date: Wed, 28 Jan 2026 16:10:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:32.971166
- Title: Toward a Unified Semantic Loss Model for Deep JSCC-based Transmission of EO Imagery
- Title（参考訳）: EO画像の深部JSCC伝送のための統一意味損失モデルに向けて
- Authors: Ti Ti Nguyen, Thanh-Dung Le, Vu Nguyen Ha, Duc-Dung Tran, Hung Nguyen-Kha, Dinh-Hieu Tran, Carlos L. Marcos-Rojas, Juan C. Merlano-Duncan, Symeon Chatzinotas,
- Abstract要約: 本稿では,EO画像の伝送に有効なソースチャネルパラダイムとしてDJ SCCについて検討する。
我々はDJ SCCに基づくシステムにおける意味喪失の2つの相補的な側面に焦点を当てた。
単一モデル内での再構成中心とタスク指向の両方のパフォーマンスをキャプチャする統合意味損失フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 35.383357591863266
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern Earth Observation (EO) systems increasingly rely on high-resolution imagery to support critical applications such as environmental monitoring, disaster response, and land-use analysis. Although these applications benefit from detailed visual data, the resulting data volumes impose significant challenges on satellite communication systems constrained by limited bandwidth, power, and dynamic link conditions. To address these limitations, this paper investigates Deep Joint Source-Channel Coding (DJSCC) as an effective source-channel paradigm for the transmission of EO imagery. We focus on two complementary aspects of semantic loss in DJSCC-based systems. First, a reconstruction-centric framework is evaluated by analyzing the semantic degradation of reconstructed images under varying compression ratios and channel signal-to-noise ratios (SNR). Second, a task-oriented framework is developed by integrating DJSCC with lightweight, application-specific models (e.g., EfficientViT), with performance measured using downstream task accuracy rather than pixel-level fidelity. Based on extensive empirical analysis, we propose a unified semantic loss framework that captures both reconstruction-centric and task-oriented performance within a single model. This framework characterizes the implicit relationship between JSCC compression, channel SNR, and semantic quality, offering actionable insights for the design of robust and efficient EO imagery transmission under resource-constrained satellite links.
- Abstract（参考訳）: 現代の地球観測(EO)システムは、環境モニタリング、災害対応、土地利用分析などの重要な応用をサポートするために、高解像度の画像にますます依存している。
これらのアプリケーションは詳細なビジュアルデータから恩恵を受けるが、結果として得られたデータボリュームは、限られた帯域幅、電力、ダイナミックリンク条件で制約された衛星通信システムに重大な課題をもたらす。
これらの制約に対処するため,EO画像の伝送に有効なソースチャネルパラダイムとして,Deep Joint Source-Channel Coding (DJSCC) について検討する。
DJSCCに基づくシステムにおける意味喪失の2つの相補的な側面に焦点を当てる。
まず、異なる圧縮比とチャネル信号-雑音比(SNR)の下で再構成画像の意味的劣化を分析することにより、再構成中心のフレームワークを評価する。
第2に、DJSCCと軽量でアプリケーション固有のモデル(例えばEfficientViT)を統合することでタスク指向フレームワークを開発する。
大規模な経験的分析に基づいて,単一モデル内での再構成中心とタスク指向の両方のパフォーマンスをキャプチャする統合意味損失フレームワークを提案する。
このフレームワークは、JSCC圧縮、チャネルSNR、セマンティッククオリティの暗黙の関係を特徴とし、リソース制約された衛星リンク下での堅牢で効率的なEO画像伝送の設計のための実用的な洞察を提供する。
関連論文リスト
- Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。
KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
論文 参考訳（メタデータ） (2025-10-23T07:12:26Z) - Large-Scale Model Enabled Semantic Communication Based on Robust Knowledge Distillation [45.347078403677216]
大規模モデル(LSM)は意味表現と理解に有効なフレームワークである。
しかしながら、それらの直接的なデプロイメントは、しばしば高い計算複雑性とリソース要求によって妨げられる。
本稿では,新しい知識蒸留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。
論文 参考訳（メタデータ） (2025-08-04T07:47:18Z) - 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) - A Semantic-Loss Function Modeling Framework With Task-Oriented Machine Learning Perspectives [26.82506860792313]
データ駆動型地球観測(EO)アプリケーションの性能は、データ収集と送信プロセスに大きく影響されている。
セマンティック・コミュニケーション(SC)の概念を採用することで、生の情報に対する本質的なデータセマンティクスの伝達を優先順位付けすることで、有望なソリューションを提供する。
本研究では、実世界のEOデータセットとドメイン固有の洞察を用いて、セマンティック損失を経験的にモデル化する新しいデータ適合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-12T23:45:11Z) - Diffusion-Aided Joint Source Channel Coding For High Realism Wireless Image Transmission [24.372996233209854]
DiffJSCCは条件拡散復調法により高現実性画像を生成する新しいフレームワークである。
768x512ピクセルのコダック画像を3072のシンボルで再現できる。
論文 参考訳（メタデータ） (2024-04-27T00:12:13Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳（メタデータ） (2023-12-12T06:07:21Z) - You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。
まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。
FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。
エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
論文 参考訳（メタデータ） (2023-10-14T11:03:04Z) - Perceptual Learned Source-Channel Coding for High-Fidelity Image
Semantic Transmission [7.692038874196345]
本稿では, 深部JSCCの最適化のために, 対向損失を導入する。
我々の新しい深層JSCCアーキテクチャは、エンコーダ、無線チャネル、デコーダ/ジェネレータ、および識別器を組み合わせたものである。
ユーザスタディでは、知覚的に類似したエンドツーエンドの画像伝送品質を達成することで、約50%の無線チャネル帯域幅コストを節約できることを確認した。
論文 参考訳（メタデータ） (2022-05-26T03:05:13Z) - Adaptive Information Bottleneck Guided Joint Source and Channel Coding
for Image Transmission [132.72277692192878]
画像伝送には適応情報ボトルネック(IB)誘導ジョイントソースとチャネル符号化(AIB-JSCC)が提案されている。
AIB-JSCCの目的は、画像再構成品質を改善しながら伝送速度を下げることである。
実験の結果,AIB-JSCCは送信データ量を大幅に削減し,再現性を向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-03-12T17:44:02Z)
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。