論文の概要: SAFT: Sensitivity-Aware Filtering and Transmission for Adaptive 3D Point Cloud Communication over Wireless Channels
- arxiv url: http://arxiv.org/abs/2603.26197v1
- Date: Fri, 27 Mar 2026 09:18:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.419267
- Title: SAFT: Sensitivity-Aware Filtering and Transmission for Adaptive 3D Point Cloud Communication over Wireless Channels
- Title（参考訳）: SAFT: 無線通信における適応型3次元クラウド通信のための感度を考慮したフィルタリングと伝送
- Abstract要約: 感性認識型フィルタリング・伝送(SAFT)について紹介する。
Point-BERTにインスパイアされたエンコーダ、感度誘導型トークンフィルタリングユニット、量子化ブロック、適応的再構成のためのSNR対応デコーダを統合する。
ShapeNet, ModelNet40, 8iVFB の実験では、SAFT はソースチャネルの別のパイプラインと比較して幾何学的忠実度(D1/D2 PSNR)を向上している。
- 参考スコア（独自算出の注目度）: 19.663306099798323
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable transmission of 3D point clouds over wireless channels is challenging due to time-varying signal-to-noise ratio (SNR) and limited bandwidth. This paper introduces sensitivity-aware filtering and transmission (SAFT), a learned transmission framework that integrates a Point-BERT-inspired encoder, a sensitivity-guided token filtering (STF) unit, a quantization block, and an SNR-aware decoder for adaptive reconstruction. Specifically, the STF module assigns token-wise importance scores based on the reconstruction sensitivity of each token under channel perturbation. We further employ a training-only symbol-usage penalty to stabilize the discrete representation, without affecting the transmitted payload. Experiments on ShapeNet, ModelNet40, and 8iVFB show that SAFT improves geometric fidelity (D1/D2 PSNR) compared with a separate source--channel coding pipeline (G-PCC combined with LDPC and QAM) and existing learned baselines, with the largest gains observed in low-SNR regimes, highlighting improved robustness under limited bandwidth.
- Abstract（参考訳）: 無線チャネル上での3次元点雲の信頼性の伝達は,信号-雑音比 (SNR) と帯域幅の制限により困難である。
本稿では、ポイント-BERTインスパイアされたエンコーダ、感度誘導トークンフィルタリング(STF)ユニット、量子化ブロック、適応再構成のためのSNR対応デコーダを統合した、SAFT( Sensent-Aware Filtering and Transmission)を提案する。
具体的には、STFモジュールは、チャネル摂動下の各トークンの再構成感度に基づいてトークン単位の重要度スコアを割り当てる。
さらに、送信ペイロードに影響を与えることなく、個別表現を安定させるために、トレーニング専用シンボル利用ペナルティを用いる。
ShapeNet, ModelNet40, 8iVFB の実験では、SAFT はソースチャネル符号化パイプライン(G-PCC と LDPC と QAM を組み合わせた)と既存の学習ベースラインと比較して幾何学的忠実度(D1/D2 PSNR)を向上し、低SNR 体制で観測された最大の利得は、限られた帯域幅下でのロバスト性の向上である。
関連論文リスト
- Land-then-transport: A Flow Matching-Based Generative Decoder for Wireless Image Transmission [38.71668959954467]
低遅延デコーディングのためのフローマッチング生成デコーダを提案する。
JPEG2000+LDPC、DeepJSCC、拡散ベースラインに対して一貫した利得を示す実験がある。
LTTは、無線画像デコード生成のための決定論的、物理的に解釈可能、効率的なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-01-12T13:09:37Z) - Transmit Weights, Not Features: Orthogonal-Basis Aided Wireless Point-Cloud Transmission [9.853100066584341]
ディープジョイント・ソース - チャネル・コーディング (DeepJSCC) 上に構築された3Dポイント・クラウドのためのセマンティック・ワイヤレス・トランスミッション・フレームワークを提案する。
送信機は、生の特徴を送る代わりに、受信側セマンティックな直交特徴プール上での組み合わせ重みを予測し、コンパクトな表現と堅牢な再構成を可能にする。
折り畳み型デコーダは、2Dグリッドを3Dに変形させ、幾何学的忠実性を保持しながら多様体の連続性を強制する。
論文 参考訳（メタデータ） (2025-12-03T14:07:47Z) - Resi-VidTok: An Efficient and Decomposed Progressive Tokenization Framework for Ultra-Low-Rate and Lightweight Video Transmission [35.3961976297755]
Resi-VidTokは、超低レートで軽量なビデオ伝送のためのレジリエント・トークン化対応フレームワークである。
重要なコントリビューションは、差分時間トークンコーディングを統合するビデオのためのレジリエントな1Dトークン化パイプラインである。
その結果, チャネル帯域幅比 (CBR) が0.0004, 30fps以上のリアルタイム再構成では, 頑健な視覚的・意味的整合性を示した。
論文 参考訳（メタデータ） (2025-10-28T22:02:36Z) - 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) - Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。
本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
論文 参考訳（メタデータ） (2024-04-11T15:39:10Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - DRF Codes: Deep SNR-Robust Feedback Codes [2.6074034431152344]
本稿では,DNN(Deep-neural-network)に基づく誤り訂正符号を提案する。
付加的な白色ガウス雑音 (AWGN) チャネルにおけるSNR損耗率と誤り率の両面から, DRF符号の精度は, 高い結果が得られた。
論文 参考訳（メタデータ） (2021-12-22T10:47:25Z) - Waveform Learning for Next-Generation Wireless Communication Systems [16.26230847183709]
本稿では,送信受信フィルタ,星座形状,それに付随するビットラベリング,およびニューラルネットワーク(NN)ベースの検出器の結合設計のための学習に基づく手法を提案する。
この方法は、隣接するチャネルリーク比(ACLR)とピーク・ツー・アベイジ・パワー比(PAPR)の制約を同時に満たしつつ、達成可能な情報レートを最大化する。
論文 参考訳（メタデータ） (2021-09-02T14:51:16Z) - Power Control for a URLLC-enabled UAV system incorporated with DNN-Based
Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文 参考訳（メタデータ） (2020-11-14T02:31:04Z)
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。