論文の概要: Rateless DeepJSCC for Broadcast Channels: a Rate-Distortion-Complexity Tradeoff
- arxiv url: http://arxiv.org/abs/2603.21616v1
- Date: Mon, 23 Mar 2026 06:25:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.524158
- Title: Rateless DeepJSCC for Broadcast Channels: a Rate-Distortion-Complexity Tradeoff
- Title（参考訳）: 放送局におけるレートレスディープJSCC:レート・歪み・複雑さのトレードオフ
- Abstract要約: 本稿では、レートレス符号に基づくノン非線形トランスフォーメーションレスソースチャネル符号化(NTR SCC)を提案する。
我々はデコーダ側情報を活用する不平等な保護手法を開発し、レートレスパラメータのエンドツーエンド最適化を可能にする近似を考案する。
我々のフレームワークは、異種受信機が受信したレートレスシンボルの数を適応的に調整し、信念の伝播において繰り返しを復号することを可能にする。
- 参考スコア（独自算出の注目度）: 29.652183083806776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, numerous data-intensive broadcasting applications have emerged at the wireless edge, calling for a flexible tradeoff between distortion, transmission rate, and processing complexity. While deep learning-based joint source-channel coding (DeepJSCC) has been identified as a potential solution to data-intensive communications, most of these schemes are confined to worst-case solutions, lack adaptive complexity, and are inefficient in broadcast settings. To overcome these limitations, this paper introduces nonlinear transform rateless source-channel coding (NTRSCC), a variable-length JSCC framework for broadcast channels based on rateless codes. In particular, we integrate learned source transformations with physical-layer LT codes, develop unequal protection schemes that exploit decoder side information, and devise approximations to enable end-to-end optimization of rateless parameters. Our framework enables heterogeneous receivers to adaptively adjust their received number of rateless symbols and decoding iterations in belief propagation, thereby achieving a controllable tradeoff between distortion, rate, and decoding complexity. Simulation results demonstrate that the proposed method enhances image broadcast quality under stringent communication and processing budgets over heterogeneous edge devices.
- Abstract（参考訳）: 近年、多くのデータ集約型ブロードキャストアプリケーションがワイヤレスエッジに登場し、歪み、伝送速度、処理の複雑さの間の柔軟なトレードオフが求められている。
ディープラーニングベースのジョイントソースチャネル符号化(DeepJSCC)は、データ集約型通信の潜在的なソリューションとして認識されているが、これらのスキームのほとんどは最悪のソリューションに限られており、適応的な複雑さが欠如しており、ブロードキャスト設定では非効率である。
これらの制限を克服するために,周波数なし符号に基づく放送チャンネルのための可変長JSCCフレームワークNTRSCCを提案する。
特に、学習したソース変換を物理層LTコードと統合し、デコーダ側情報を利用する不等保護スキームを開発し、レートレスパラメータのエンドツーエンド最適化を可能にする近似を考案した。
このフレームワークにより、不均一受信機が受信したレートレスシンボルの数を適応的に調整し、信念伝播の繰り返しを復号し、歪み、レート、デコード複雑性の制御可能なトレードオフを実現することができる。
シミュレーションの結果,不均質エッジデバイス上での通信・処理予算の厳密化により,画像の放送品質が向上することが示唆された。
関連論文リスト
- JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications [58.67925548779465]
Joint Source-Channel-Generation Coding (JSCGC) は、従来のデコーダをレシーバで生成モデルに置き換えるジェネレーティブ通信パラダイムである。
JSCGCは、様々なチャネル条件にまたがるフィーチャベース、セマンティックレベル、推論品質を一貫して改善する。
論文 参考訳（メタデータ） (2026-06-11T03:42:03Z) - 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) - In-Context Source and Channel Coding [12.557918082908545]
本稿では,送信機を変更せずにSSCCロバスト性を向上する受信側In-Context Decoding(ICD)フレームワークを提案する。
ICDは信頼性誘導ビットフリップにより信頼度の高い候補プールを構築し、コンパクトだが多様な候補のサブセットをサンプリングし、LLMベースの算術デコーダを適用して、復元とシーケンスレベルのログライクな条件の両方を得る。
論文 参考訳（メタデータ） (2026-01-15T10:37:57Z) - 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) - Adaptive Source-Channel Coding for Semantic Communications [48.13990936094994]
セマンティック通信 (Semantic Communications, SemComs) は, 共同データとタスク指向の伝送において, 有望なパラダイムとして登場した。
SemComsの現在のジョイントソースチャネル符号化(JSCC)は、既存の通信システムと互換性がない。
並列ガウスチャネル上でのSemComsの適応型ソースチャネル符号化方式を提案する。
論文 参考訳（メタデータ） (2025-08-11T13:09:54Z) - 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) - Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。
実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
論文 参考訳（メタデータ） (2024-07-26T02:34:25Z) - Rateless Stochastic Coding for Delay-Constrained Semantic Communication [5.882972817816777]
我々は,無作為な観点からのセマンティック・コミュニケーションのためのジョイント・ソース・チャネル・コーディングの問題点を考察する。
本稿では,意味レベルの再構築目的を組み込むことで知覚距離を最小化する,より汎用的なコミュニケーション目的を提案する。
提案手法は, 歪みと知覚のトレードオフを良好に保ちながら, 伝送速度の可変化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-06-28T10:27:06Z) - Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。
最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。
本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文 参考訳（メタデータ） (2022-09-16T11:00:50Z) - Error Correction Code Transformer [92.10654749898927]
本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。
我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。
提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
論文 参考訳（メタデータ） (2022-03-27T15:25:58Z) - Bandwidth-Agile Image Transmission with Deep Joint Source-Channel Coding [7.081604594416339]
画像が時間や頻度で徐々に層に伝達されるシナリオを考察する。
DeepJSCC-$l$は、畳み込みオートエンコーダを使用する革新的なソリューションである。
DeepJSCC-$l$は、低信号対雑音比(SNR)と小さな帯域幅規則の挑戦において、最先端のデジタルプログレッシブ伝送方式と同等の性能を持つ。
論文 参考訳（メタデータ） (2020-09-26T00:11:50Z) - Infomax Neural Joint Source-Channel Coding via Adversarial Bit Flip [41.28049430114734]
本稿では、ニューラルジョイント・ソース・チャネル符号化方式の安定性と堅牢性を改善するために、Infomax Adversarial-Bit-Flip (IABF) と呼ばれる新しい正規化手法を提案する。
我々のIABFは、圧縮と誤り訂正のベンチマークの両方で最先端のパフォーマンスを達成でき、ベースラインをかなりの差で上回ることができる。
論文 参考訳（メタデータ） (2020-04-03T10:00:02Z)
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。