論文の概要: When Semantic Communication Meets Queueing: Cross-Layer Latency and Task Fidelity Optimization

• arxiv url: http://arxiv.org/abs/2605.05514v1
• Date: Wed, 06 May 2026 23:30:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.446903
• Title: When Semantic Communication Meets Queueing: Cross-Layer Latency and Task Fidelity Optimization
• Title（参考訳）: セマンティック通信の待ち行列:クロスレイヤレイテンシとタスク忠実度最適化
• Abstract要約: 学習したエンコーダ・デコーダアーキテクチャを持つSemComは、無線チャネルに最適化されたコンパクトなタスク指向表現のエンドツーエンド学習を可能にする。 本稿では,マルチタスク・セマンティック・オートエンコーダを用いたAWGNを用いたブロックフェード上のセマンティック・イメージ・トランスミッションについて検討する。 我々は,長期のセマンティックエラー制約の下で,更新毎の潜時次元を適応するオンラインセマンティックレートコントローラを開発した。
• 参考スコア（独自算出の注目度）: 5.523167414178437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic communication (SemCom) with learned encoder-decoder architectures enables end-to-end learning of compact task-oriented representations optimized for the wireless channel, reducing channel resources needed to convey task-relevant information and improving spectrum efficiency. This paper studies semantic image transmission over block Rayleigh fading with AWGN using a multi-task semantic autoencoder that jointly reconstructs images and predicts labels from the received waveform. The latent dimension (complex channel uses per source sample) serves as a cross-layer control variable governing semantic fidelity and channel resource usage. We characterize the resulting latency-task fidelity tradeoff: larger latent representations improve inference accuracy but increase service time, channel uses, and queueing delay. Building on this insight, we develop online semantic-rate controllers that adapt the latent dimension per update under a long-term semantic error constraint. A queue-aware drift-plus-penalty policy minimizes delay subject to an average semantic error cap, while a complementary age-aware policy minimizes time-average Age of Information (AoI). By adapting the semantic rate to congestion and fidelity requirements, the proposed framework improves spectrum utilization and enables timely semantic updates with significantly lower delay and AoI than fixed-rate baselines.
• Abstract（参考訳）: 学習エンコーダ・デコーダアーキテクチャを持つセマンティック通信(SemCom)は、無線チャネルに最適化されたコンパクトなタスク指向表現のエンドツーエンド学習を可能にし、タスク関連情報を伝達するために必要なチャネルリソースを削減し、スペクトル効率を向上させる。 本稿では,マルチタスク・セマンティック・オートエンコーダを用いて,AWGNでフェーディングしたブロック上でのセマンティック・イメージ・トランスミッションについて検討する。 潜伏次元(ソースサンプルあたりの複雑なチャネル使用)は、セマンティックな忠実さとチャネルリソースの使用を規定する層間制御変数として機能する。 より大きな潜在表現は推論精度を向上させるが、サービス時間、チャネル使用、待ち時間を増加させる。 この知見に基づいて,長期のセマンティックエラー制約の下で更新毎の潜時次元を適応するオンラインセマンティックレートコントローラを開発する。 待ち行列対応のドリフト・プラス・ペナルティポリシは平均的なセマンティックエラーキャップの遅延を最小限に抑え、補完的な年齢対応ポリシは平均情報時代(AoI)を最小にする。 提案フレームワークは, セマンティックレートを混雑と忠実度要求に適応させることで, スペクトル利用率を向上し, 遅延を著しく低減し, AoIを固定レートベースラインよりもタイムリーなセマンティック更新を可能にする。

関連論文リスト

• Semantic-Aware Neural Video Codec for Error-Resilient Low-Latency Transmission [5.626680522690602]
  物理AIシステムは信頼性の低い、タスク指向のビデオ通信を必要とする。 本稿では,信頼性の低いチャンネル上での高能率低遅延ビデオ伝送のための意味認識型多レベルニューラルビデオ符号化手法を提案する。 提案手法は,パケット消去時のベースラインDCVC-RTのロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2026-09-14T19:37:33Z)
• MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
  事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。 本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。 適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
  論文  参考訳（メタデータ） (2026-08-02T10:05:50Z)
• Latency-aware Human-in-the-Loop Reinforcement Learning for Semantic Communications [2.9668257052955176]
  本稿では,人間のフィードバック,セマンティック・ユーティリティ,遅延制御を組み込んだ時間制約付き人間間強化学習フレームワークを提案する。 人間のフィードバックによる意味適応をマルコフ決定過程として定式化する。 我々は,T-HITL-RLがユーザ毎のタイミング制約を一貫して満たし,ベースラインスケジューラの報酬を上回り,リソース消費を安定させることを示す。
  論文  参考訳（メタデータ） (2026-02-17T15:07:41Z)
• Privacy-Preserving Semantic Communications via Multi-Task Learning and Adversarial Perturbations [49.494000480610225]
  本稿では,ディープラーニングに基づくセマンティックコミュニケーションフレームワークを提案する。 シーケンシャルなリークをeavesdropperに明示的に制限しながら、複数の受信タスクをサポートする。 摂動層は、正当なリンクが自身のタスクのためにのみ訓練された場合でも、セマンティックリークを低減することに成功している。
  論文  参考訳（メタデータ） (2025-12-30T20:19:49Z)
• 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)
• Remote Inference over Dynamic Links via Adaptive Rate Deep Task-Oriented Vector Quantization [24.064287427162345]
  本稿では、動的リンク上のリモート推論に適した学習圧縮機構である適応レートタスク指向ベクトル量子化(ARTOVeQ)を提案する。 我々は、ARTOVeQが連続的な改良原理によって徐々に洗練される低レイテンシ推論をサポートするように拡張されていることを示す。 数値的な結果から,提案手法は複数のレートで動作し,幅広いビット予算をサポートする遠隔深部推論を実現し,より多くのビットを交換して徐々に改善する高速推論を容易にする。
  論文  参考訳（メタデータ） (2025-01-05T12:38:13Z)
• Latent Diffusion Model-Enabled Low-Latency Semantic Communication in the Presence of Semantic Ambiguities and Wireless Channel Noises [18.539501941328393]
  本稿では,ソースデータのアウトレイラを処理するために,遅延拡散モデルを用いたSemComシステムを開発した。 軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。 終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
  論文  参考訳（メタデータ） (2024-06-09T23:39:31Z)
• Communication-Efficient Framework for Distributed Image Semantic Wireless Transmission [68.69108124451263]
  IoTデバイスを用いたマルチタスク分散画像伝送のためのFederated Learning-based semantic communication (FLSC)フレームワーク。 各リンクは階層型視覚変換器(HVT)ベースの抽出器とタスク適応トランスレータで構成される。 チャネル状態情報に基づく多重出力多重出力伝送モジュール。
  論文  参考訳（メタデータ） (2023-08-07T16:32:14Z)
• Age of Information in Deep Learning-Driven Task-Oriented Communications [78.84264189471936]
  本稿では,その送信機におけるデータを利用した受信機におけるタスク実行を目的とした,タスク指向コミュニケーションにおける年齢概念について検討する。 送信機-受信機操作は、共同で訓練されたディープニューラルネットワーク(DNN)のエンコーダ-デコーダペアとしてモデル化される。
  論文  参考訳（メタデータ） (2023-01-11T04:15:51Z)
• Semantic Communication Enabling Robust Edge Intelligence for Time-Critical IoT Applications [87.05763097471487]
  本稿では、時間クリティカルなIoTアプリケーションのためのセマンティック通信を用いて、堅牢なエッジインテリジェンスを設計することを目的とする。 本稿では,画像DCT係数が推定精度に与える影響を解析し,オフロードのためのチャネル非依存の有効性符号化を提案する。
  論文  参考訳（メタデータ） (2022-11-24T20:13:17Z)
• Learning Task-Oriented Communication for Edge Inference: An Information Bottleneck Approach [3.983055670167878]
  ローエンドエッジ装置は、ローカルデータサンプルの抽出された特徴ベクトルを強力なエッジサーバに送信して処理する。 帯域幅が限られているため、データを低遅延推論のための情報的かつコンパクトな表現に符号化することが重要である。 特徴抽出,ソース符号化,チャネル符号化を協調的に最適化する学習型通信方式を提案する。
  論文  参考訳（メタデータ） (2021-02-08T12:53:32Z)

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。