論文の概要: Generative Semantic Communication via Alternating Dual-Domain Posterior Sampling

• arxiv url: http://arxiv.org/abs/2604.16796v1
• Date: Sat, 18 Apr 2026 03:00:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.177953
• Title: Generative Semantic Communication via Alternating Dual-Domain Posterior Sampling
• Title（参考訳）: デュアルドメイン後方サンプリングを交互に行う意味的コミュニケーション
• Authors: Shunpu Tang, Qianqian Yang,
• Abstract要約: ジェネレーティブ・セマンティック・コミュニケーション(SemCom)は、事前訓練された事前学習を利用して、無線画像伝送の知覚的品質を改善する。 既存のSemCom受信機は、最大後部推定(MAP)に依存する。 本稿では拡散型SemCom受信機である交互二重ドメイン後部サンプリング(ADDPS)を提案する。
• 参考スコア（独自算出の注目度）: 3.860428650013287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative semantic communication (SemCom) harnesses pretrained generative priors to improve the perceptual quality of wireless image transmission. Existing generative SemCom receivers, however, rely on maximum a posteriori (MAP) estimation, which fundamentally cannot preserve the data distribution and thus limits achievable perceptual quality. Moreover, current diffusion-based approaches using single-domain guidance face significant limitations: latent-domain guidance is sensitive to channel noise, while image-domain guidance inherits decoder bias. Simply combining both domains simultaneously yields an overconfident pseudo-posterior. In this paper, we formulate semantic decoding as a Bayesian inverse problem and prove that posterior sampling achieves optimal perceptual quality by preserving the data distribution. Building on this insight, we propose alternating dual-domain posterior sampling (ADDPS), a diffusion-based SemCom receiver that alternately enforces latent-domain and image-domain consistency during the sampling process. This alternating strategy decomposes joint posterior sampling into simpler subproblems, avoiding gradient conflicts while retaining the complementary strengths of both domains. Experiments on FFHQ demonstrate that the proposed ADDPS achieves superior perceptual quality compared with existing methods.
• Abstract（参考訳）: ジェネレーティブセマンティックコミュニケーション(SemCom)は、事前訓練された生成先行情報を利用して、無線画像伝送の知覚的品質を改善する。 しかし、既存のSemCom受信機は、データ分布を基本的に保存できない最大後部推定(MAP)に依存するため、達成可能な知覚品質が制限される。 遅延ドメインガイダンスはチャネルノイズに敏感であり、画像ドメインガイダンスはデコーダバイアスを継承する。 両方のドメインを同時に組み合わせれば、自信過剰な擬似ポストが生成される。 本稿では,ベイズ逆問題としてセマンティックデコーディングを定式化し,データ分布を保存することにより,後方サンプリングが最適な知覚品質を実現することを示す。 この知見に基づいて,拡散型SemCom受信機である交互二重領域後部サンプリング(ADDPS)を提案し,サンプリングプロセス中に遅延領域と画像領域の一貫性を交互に強制する。 この交互戦略は、結合後サンプリングをより単純なサブプロブレムに分解し、両方のドメインの相補的な強度を維持しながら勾配の衝突を避ける。 FFHQの実験では、提案したADDPSは既存の手法に比べて知覚品質が優れていることが示された。

関連論文リスト

• DDS-UDA: Dual-Domain Synergy for Unsupervised Domain Adaptation in Joint Segmentation of Optic Disc and Optic Cup [9.302794224184263]
  畳み込みニューラルネットワーク(CNN)は、単一機関データセット上での光ディスクと光カップの接合セグメンテーションにおいて、エキサイティングなパフォーマンスを実現している。 しかし、彼らの臨床翻訳は2つの大きな課題によって妨げられている。 本稿では,ドメイン間干渉とドメイン内一般化を緩和する新しい UDA フレームワークである Dual-Domain Synergy UDA (DDS-UDA) を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:30:14Z)
• UPDA: Unsupervised Progressive Domain Adaptation for No-Reference Point Cloud Quality Assessment [15.162901714953643]
  NR-PCQAのための非教師なしプログレッシブドメイン適応(UPDA)フレームワークを提案する。 粗粒化段階では, 整合性を考慮した粗粒化法が, クロスドメインサンプル間の品質関係を捉えるために設計されている。 微粒化段階では、対称的特徴融合を伴う知覚融合微粒化アライメント手法を開発し、ドメイン不変の特徴を同定する。
  論文  参考訳（メタデータ） (2026-02-12T14:02:05Z)
• Prototype-Based Semantic Consistency Alignment for Domain Adaptive Retrieval [30.96614100772607]
  Prototype-Based Semantic Consistency Alignment (PSCA) は、効果的なドメイン適応検索のための2段階のフレームワークである。 PSCAはクラスレベルのセマンティック接続を確立し、クラス内のサンプルを収集しながらクラス間のセパビリティを最大化する。 第2段階では、ドメイン固有の量子化関数が相互近似制約の下で再構成された特徴を処理し、ドメイン間で統一されたバイナリハッシュコードを生成する。
  論文  参考訳（メタデータ） (2025-12-04T07:16:42Z)
• Beyond Negative Transfer: Disentangled Preference-Guided Diffusion for Cross-Domain Sequential Recommendation [13.331414627413674]
  DPG-DiffはDisentangled Preference-Guided Diffusion Modelである。 ユーザの好みをドメイン不変およびドメイン固有のコンポーネントに分解し、逆拡散プロセスを共同でガイドする。 複数のメトリクスにまたがって、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2025-08-30T06:56:56Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。 本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。 既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• Unified Domain Adaptive Semantic Segmentation [105.05235403072021]
  Unsupervised Adaptive Domain Semantic (UDA-SS)は、ラベル付きソースドメインからラベル付きターゲットドメインに監督を移すことを目的としている。 本稿では,特徴量と特徴量との相違に対処するQuad-directional Mixup(QuadMix)法を提案する。 提案手法は,4つの挑戦的UDA-SSベンチマークにおいて,最先端の成果を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2023-11-22T09:18:49Z)
• Cyclically Disentangled Feature Translation for Face Anti-spoofing [61.70377630461084]
  循環不整合特徴変換ネットワーク(CDFTN)と呼ばれる新しい領域適応手法を提案する。 CDFTNは、(1)ソースドメイン不変の生長特徴と2)ドメイン固有のコンテンツ特徴とを持つ擬似ラベル付きサンプルを生成する。 ソースドメインラベルの監督の下で、合成擬似ラベル付き画像に基づいてロバスト分類器を訓練する。
  論文  参考訳（メタデータ） (2022-12-07T14:12:34Z)
• Joint Attention-Driven Domain Fusion and Noise-Tolerant Learning for Multi-Source Domain Adaptation [2.734665397040629]
  マルチソースUnsupervised Domain Adaptationはラベル付きデータを持つ複数のソースドメインからラベル付きターゲットドメインに知識を転送する。 異なるドメインとターゲットドメイン内のノイズの多い擬似ラベル間の分散の相違は、どちらもパフォーマンスのボトルネックにつながる。 本稿では,意識駆動型ドメイン融合(ADNT)と雑音耐性学習(ADNT)を統合し,上記の2つの問題に対処するアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-05T01:08:41Z)
• Generalizable Representation Learning for Mixture Domain Face Anti-Spoofing [53.82826073959756]
  ドメイン一般化(DG)に基づく対スプーフィングアプローチは、予期せぬシナリオの堅牢性のために注目を集めています。 ドメインダイナミック調整メタラーニング(D2AM)についてドメインラベルを使わずに提案する。 この制限を克服するため,ドメインダイナミック調整メタラーニング(D2AM)を提案する。
  論文  参考訳（メタデータ） (2021-05-06T06:04:59Z)
• Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
  教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。 従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。 本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-12T09:45:39Z)

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。