論文の概要: Adaptive Semantic Communication for Wireless Image Transmission Leveraging Mixture-of-Experts Mechanism

• arxiv url: http://arxiv.org/abs/2604.02691v1
• Date: Fri, 03 Apr 2026 03:35:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.306175
• Title: Adaptive Semantic Communication for Wireless Image Transmission Leveraging Mixture-of-Experts Mechanism
• Title（参考訳）: 無線画像伝送におけるMixture-of-Experts機構を利用した適応意味通信
• Authors: Haowen Wan, Qianqian Yang,
• Abstract要約: MoEベースのセマンティックコミュニケーションはスパースで効率的な適応型アーキテクチャとして登場した。 マルチインプットマルチアウトプット(MIMO)チャネルのための新しいエンドツーエンド画像意味コミュニケーションシステムを提案する。 提案手法は,従来の適応手法の厳密な結合を破り,単一駆動ルーティングのボトルネックを克服することを示す。
• 参考スコア（独自算出の注目度）: 2.84822991919912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning based semantic communication has achieved significant progress in wireless image transmission, but most existing schemes rely on fixed models and thus lack robustness to diverse image contents and dynamic channel conditions. To improve adaptability, recent studies have developed adaptive semantic communication strategies that adjust transmission or model behavior according to either source content or channel state. More recently, MoE-based semantic communication has emerged as a sparse and efficient adaptive architecture, although existing designs still mainly rely on single-driven routing. To address this limitation, we propose a novel multi-stage end-to-end image semantic communication system for multi-input multi-output (MIMO) channels, built upon an adaptive MoE Swin Transformer block. Specifically, we introduce a dynamic expert gating mechanism that jointly evaluates both real-time CSI and the semantic content of input image patches to compute adaptive routing probabilities. By selectively activating only a specialized subset of experts based on this joint condition, our approach breaks the rigid coupling of traditional adaptive methods and overcomes the bottlenecks of single-driven routing. Simulation results indicate a significant improvement in reconstruction quality over existing methods while maintaining the transmission efficiency.
• Abstract（参考訳）: 深層学習に基づくセマンティックコミュニケーションは、無線画像伝送において大きな進歩を遂げてきたが、既存のほとんどのスキームは固定モデルに依存しており、多様な画像の内容や動的チャネル条件に対する堅牢性に欠ける。 適応性を向上させるため,近年の研究では,発信内容やチャネルの状態に応じて伝達やモデル行動を調整する適応的意味コミュニケーション戦略が開発されている。 最近では、MoEベースのセマンティックコミュニケーションがスパースで効率的な適応型アーキテクチャとして登場したが、既存の設計は現在でも主に単一駆動のルーティングに依存している。 この制限に対処するために,適応型MoE Swin Transformerブロック上に構築されたマルチインプットマルチアウトプット(MIMO)チャネルのための,多段階間画像セマンティック通信システムを提案する。 具体的には、動的エキスパートゲーティング機構を導入し、リアルタイムCSIと入力画像パッチのセマンティックコンテンツの両方を共同で評価し、適応的なルーティング確率を計算する。 このジョイント条件に基づいて専門家の特別なサブセットのみを選択的に活性化することにより、従来の適応手法の厳密な結合を破り、単一駆動ルーティングのボトルネックを克服する。 シミュレーションの結果,伝送効率を保ちながら,既存手法に比べて復元品質が大幅に向上したことが示唆された。

関連論文リスト

• Adaptive Pareto-Optimal Token Merging for Edge Transformer Models in Semantic Communication [27.78647101651565]
  大規模トランスモデルはセマンティック通信システムのための強力なツールとして登場してきた。 本稿では,事前学習型視覚変換器における適応トークンマージのためのトレーニングフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-11T06:05:35Z)
• Modeling and Performance Analysis for Semantic Communications Based on Empirical Results [53.805458017074294]
  終端計測とSNRの関係をモデル化するためのAlpha-Beta-Gamma (ABG) 式を提案する。 画像再構成タスクでは、提案されたABG公式は、SCUNetやVision Transformerといった一般的なDLネットワークに適合する。 我々の知る限りでは、これはエンドツーエンドのパフォーマンス指標と意味コミュニケーションのためのSNRの間の最初の理論的表現である。
  論文  参考訳（メタデータ） (2025-04-29T06:07:50Z)
• Take What You Need: Flexible Multi-Task Semantic Communications with Channel Adaptation [51.53221300103261]
  本稿では,マスク付きオートエンコーダアーキテクチャに基づく,チャネル適応型・マルチタスク対応のセマンティックコミュニケーションフレームワークについて紹介する。 チャネル認識抽出器を用いて、リアルタイムのチャネル条件に応じて、関連情報を動的に選択する。 画像再構成や物体検出などのタスクにおける従来の手法と比較して,本手法の優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2025-02-12T09:01:25Z)
• Vision Transformer-based Semantic Communications With Importance-Aware Quantization [13.328970689723096]
  本稿では、無線画像伝送のための重要量化(IAQ)を用いた視覚変換器(ViT)に基づくセマンティック通信システムを提案する。 筆者らのIAQフレームワークは, エラーのない, 現実的な通信シナリオにおいて, 従来の画像圧縮手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-08T19:24:47Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
  画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。 既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。 我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:36Z)
• Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models [43.27015039765803]
  我々は,事前学習した生成モデルを用いた遅延認識型セマンティックコミュニケーションフレームワークを開発した。 我々は,超低レート,低レイテンシ,チャネル適応型セマンティック通信を実証する。
  論文  参考訳（メタデータ） (2024-03-25T23:04:09Z)
• Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
  本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。 AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。 AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2024-03-12T11:48:49Z)
• Toward Adaptive Semantic Communications: Efficient Data Transmission via Online Learned Nonlinear Transform Source-Channel Coding [11.101344530143303]
  深層学習モデルの過剰適合性を利用したオンライン学習型ジョイントソースとチャネルコーディング手法を提案する。 具体的には,市販の事前訓練型モデルを軽量なオンライン方式で展開し,ソースデータと環境領域の分散シフトに適応させる。 私たちはオーバーフィットの概念を極端に捉え、モデルや表現を個々のデータやチャネル状態インスタンスに適応させる実装フレンドリな一連のメソッドを提案します。
  論文  参考訳（メタデータ） (2022-11-08T16:00:27Z)

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。