論文の概要: On Privacy-Preserving Image Transmission in Low-Altitude Networks: A Swin Transformer-Based Framework with Federated Learning

• arxiv url: http://arxiv.org/abs/2605.12566v1
• Date: Tue, 12 May 2026 09:18:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.579743
• Title: On Privacy-Preserving Image Transmission in Low-Altitude Networks: A Swin Transformer-Based Framework with Federated Learning
• Title（参考訳）: 低高度ネットワークにおけるプライバシ保護画像伝送について:フェデレートラーニングを用いたスイニングトランスフォーマーベースのフレームワーク
• Authors: Kexin Zhang, Lixin Li, Yuna Yan, Xin Zhang, Wensheng Lin, Rui Li, Dongwei Zhao, Zhu Han,
• Abstract要約: UAVから地上局への高ボリューム画像データは、帯域幅と厳しいプライバシー要件のために困難に直面している。 フェデレート・ラーニング(FL)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。 Swin Transformerベースのセマンティックコミュニケーションアーキテクチャは、制約帯域幅条件下でのマルチスケールセマンティック特徴を抽出するように設計されている。
• 参考スコア（独自算出の注目度）: 26.793061911929858
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid development of low-altitude economy has driven the proliferation of Unmanned Aerial Vehicle (UAV) applications, including logistics, inspection, and emergency response. However, transmitting high-volume image data from UAVs to ground stations faces significant challenges due to limited bandwidth and stringent privacy requirements. To address these issues, a Semantic Communication (SC) framework based on Federated Learning (FL) is proposed for efficient and privacy-preserving image transmission. A Swin Transformer-based Semantic Communication (STSC) architecture is designed to extract multi-scale semantic features under constrained bandwidth conditions. Dedicated communication and computing nodes are deployed on UAVs to enhance real-time coverage and flexibility. Meanwhile, a FL mechanism enables global model training across distributed devices without sharing raw data, thus preserving user privacy. Simulation experiments conducted on the CIFAR-10 dataset demonstrate that the proposed STSC framework achieves at least 5.7 dB improvement in Peak Signal-to-Noise Ratio (PSNR) compared to DeepJSCC baselines, while also showing superior convergence and generalization performance. The framework effectively integrates UAV-assisted deployment with SC and privacy protection, offering a practical solution for bandwidth-constrained image transmission in low-altitude networks.
• Abstract（参考訳）: 低高度経済の急速な発展により、ロジスティクス、検査、緊急対応を含む無人航空機(UAV)の応用が急増した。 しかし、UAVから地上局への高ボリューム画像データの送信は、帯域幅の制限と厳しいプライバシー要件のために重大な課題に直面している。 これらの課題に対処するために,フェデレートラーニング(FL)に基づくセマンティックコミュニケーション(SC)フレームワークを提案する。 Swin Transformer-based Semantic Communication (STSC) アーキテクチャは、制約帯域幅条件下でのマルチスケールセマンティック特徴を抽出するために設計されている。 分散通信とコンピューティングノードは、リアルタイムのカバレッジと柔軟性を高めるためにUAV上にデプロイされる。 一方、FLメカニズムは、生データを共有せずに分散デバイス間でグローバルなモデルトレーニングを可能にするため、ユーザのプライバシが保護される。 CIFAR-10データセット上で実施されたシミュレーション実験により,提案したSTSCフレームワークは,Pak Signal-to-Noise Ratio (PSNR) において,DeepJSCCベースラインと比較して少なくとも5.7dB向上し,コンバージェンスと一般化性能も優れていることが示された。 このフレームワークは、UAV支援デプロイメントとSCとプライバシ保護を効果的に統合し、低高度ネットワークにおける帯域制限画像伝送の実用的なソリューションを提供する。

関連論文リスト

• Leveraging Large Vision Model for Multi-UAV Co-perception in Low-Altitude Wireless Networks [51.323657802729535]
  多様な低高度経済応用のための有望なパラダイムとして、UAV(Multi-Uncrewed Aero Vehicle)協調認識が出現している。 本稿では,BHU(Base-Station-Helped UAV)と呼ばれるコミュニケーション効率の良い協調認識フレームワークを提案する。 我々は、UAVキャプチャされたRGB画像から最も情報性の高い画素を識別するためにTop-K選択機構を使用し、データボリュームと遅延を低減したスペーサー化された視覚伝達を可能にする。
  論文  参考訳（メタデータ） (2026-03-13T17:49:28Z)
• FRIEND: Federated Learning for Joint Optimization of multi-RIS Configuration and Eavesdropper Intelligent Detection in B5G Networks [3.809709581796032]
  We present a novel framework for detection malicious users in RIS-enhanced cell-free mmWave network using Federated Learning (FL) using Federated Learning (FL)。 FLとMulti-RISの連携は,ベースライン非RIS支援法と比較して,達成された秘密保持率(SR)を約30%向上させることを示した。 この研究は、次世代IIoTデプロイメントに適した物理的レイヤの盗聴検出に対する、分散されたプライバシ保護アプローチを確立する。
  論文  参考訳（メタデータ） (2026-03-11T17:02:40Z)
• Edge-Based Predictive Data Reduction for Smart Agriculture: A Lightweight Approach to Efficient IoT Communication [1.2249546377051437]
  IoTデバイスの急速な成長は、処理のためにクラウドサーバへの送信を必要とする膨大なセンサデータを生み出しました。 これは、帯域幅が制限されたリソース制約とリモート環境において特に問題となる。 本稿では,エッジコンピューティング環境向けに設計され,シミュレーションにより検証された解析予測アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-24T13:37:33Z)
• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Semantic-Aware Visual Information Transmission With Key Information Extraction Over Wireless Networks [34.11565549404313]
  本稿では,資源制約付き6Gネットワークに適したAIネイティブなディープジョイントソースチャネル符号化(JSCC)フレームワークを提案する。 提案手法は,鍵情報抽出と適応的背景合成を統合し,インテリジェントでセマンティックな伝送を実現する。
  論文  参考訳（メタデータ） (2025-06-15T09:32:48Z)
• Adaptive Data Transport Mechanism for UAV Surveillance Missions in Lossy Environments [2.700610024690147]
  無人航空機(UAV)は、情報、監視、偵察(ISR)の任務においてますます重要な役割を担っている。 本稿では、ミッション目標に大きく貢献する画像の選択領域を優先する、AIによる代替スケジューリングポリシーを提案する。
  論文  参考訳（メタデータ） (2024-09-30T18:22:58Z)
• 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)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)

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。