Fugu-MT 論文翻訳(概要): Topology-Preserving Deep Joint Source-Channel Coding for Semantic Communication

論文の概要: Topology-Preserving Deep Joint Source-Channel Coding for Semantic Communication

arxiv url: http://arxiv.org/abs/2603.17126v1
Date: Tue, 17 Mar 2026 20:40:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-19 18:32:57.391157
Title: Topology-Preserving Deep Joint Source-Channel Coding for Semantic Communication
Title（参考訳）: 意味コミュニケーションのための位相保存型深部ジョイントソースチャネル符号化
Authors: Omar Erak, Omar Alhussein, Fang Fang, Sami Muhaidat,
Abstract要約: TopoJSCCはトポロジを意識したDeepJSCCフレームワークで、永続的ホモロジー正規化ツールとエンドツーエンドのトレーニングを統合している。低信号対雑音比(SNR)と帯域幅比(SNR)における位相保存とピーク信号対雑音比(PSNR)の改善を示す。
参考スコア（独自算出の注目度）: 5.504022366532184
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Many wireless vision applications, such as autonomous driving, require preservation of global structural information rather than only per-pixel fidelity. However, existing Deep joint source-channel coding (DeepJSCC) schemes mainly optimize pixel-wise losses and provide no explicit protection of connectivity or topology. This letter proposes TopoJSCC, a topology-aware DeepJSCC framework that integrates persistent-homology regularizers to end-to-end training. Specifically, we enforce topological consistency by penalizing Wasserstein distances between cubical persistence diagrams of original and reconstructed images, and between Vietoris--Rips persistence of latent features before and after the channel to promote a robust latent manifold. TopoJSCC is based on end-to-end learning and requires no side information. Experiments show improved topology preservation and peak signal-to-noise ratio (PSNR) in low signal-to-noise ratio (SNR) and bandwidth-ratio regimes.
Abstract（参考訳）: 自律運転のような多くの無線ビジョンアプリケーションは、ピクセル単位の忠実度だけでなく、グローバルな構造情報の保存を必要とする。しかし、既存のDeepジョイントソースチャネル符号化(DeepJSCC)スキームは、主にピクセル単位での損失を最適化し、接続性やトポロジーの明確な保護を提供しない。この書簡はトポロジを意識したDeepJSCCフレームワークであるTopoJSCCを提案している。具体的には、原画像と再構成画像の3次永続図と、Vietoris-Ripsによるチャネル前後の潜伏特徴の永続化と、ロバストな潜伏多様体のプロモートにより、Wasserstein距離をペナル化することにより、位相的整合性を実現する。 TopoJSCCはエンドツーエンドの学習に基づいており、サイド情報を必要としない。実験により,低信号対雑音比 (SNR) と帯域幅比レギュレーションにおける位相保存とピーク信号対雑音比 (PSNR) の改善が示された。

関連論文リスト

ANCRe: Adaptive Neural Connection Reassignment for Efficient Depth Scaling [57.91760520589592]
ネットワークの深度を拡大することは、現代の基礎モデルの成功の背後にある中心的な要因である。本稿では,ニューラルネットワークの奥行き,すなわち残差接続の既定メカニズムを再考する。我々は、データから残余接続性をパラメータ化し、学習する原則的かつ軽量なフレームワークである、適応型ニューラルネットワーク再割り当て(ANCRe)を導入する。
論文参考訳（メタデータ） (2026-02-09T18:54:18Z)
Toward a Unified Semantic Loss Model for Deep JSCC-based Transmission of EO Imagery [35.383357591863266]
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。
論文参考訳（メタデータ） (2026-01-28T16:10:33Z)
Joint Source-Channel-Generation Coding: From Distortion-oriented Reconstruction to Semantic-consistent Generation [58.67925548779465]
本稿では,知覚的再構成から確率的生成へ焦点を移す新しいパラダイムとして,JSCGC(Joint Source-Channel-Generation Coding)を提案する。 JSCGCは意味的品質と意味的忠実性を大幅に改善し、従来の歪み指向J SCC法よりも大幅に向上する。
論文参考訳（メタデータ） (2026-01-19T08:12:47Z)
DiT-JSCC: Rethinking Deep JSCC with Diffusion Transformers and Semantic Representations [32.904008725578606]
新たなDeep J SCCパラダイムとして、ジェネレーティブジョイントソースチャネルコーディング(GJSCC)が登場した。本稿では,意味論的優先表現エンコーダと拡散変換器(DiT)に基づく生成復号器を共同で学習できる,新しいGJSCCバックボーンであるDiT-JSCCを提案する。 DiT-JSCCは, 意味的一貫性と視覚的品質の両面で, 特に極端な状況下で, 既存のJ SCC法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2026-01-06T15:42:45Z)
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)
HSCP: A Two-Stage Spectral Clustering Framework for Resource-Constrained UAV Identification [16.880773405024126]
本稿では,階層型スペクトルクラスタリング・プルーニングフレームワークHSCPを紹介する。層プルーニングとチャネルプルーニングを組み合わせることで、極端な圧縮、高性能、効率的な推論を実現する。 UAV-M100ベンチマークの実験は、HSCPが既存のチャネルおよび層プルーニング法より優れていることを示した。
論文参考訳（メタデータ） (2025-12-05T16:03:53Z)
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)
Semantic Channel Equalization Strategies for Deep Joint Source-Channel Coding [8.967618587731694]
ディープジョイント・ソース・チャネル・コーディング(DeepJSCC)は、エンドツーエンドのセマンティック・コミュニケーションの強力なパラダイムとして登場した。既存のDeepJSCCスキームは送信機(TX)と受信機(RX)で共有潜在空間を仮定する。このミスマッチは、"セマンティックノイズ"を導入し、再構築品質を劣化させ、下流タスクのパフォーマンスを低下させる。
論文参考訳（メタデータ） (2025-10-06T10:29:07Z)
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)
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)
Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。