論文の概要: Recursive Vision Transformer with Dynamic Depth and Width Adjustment for Resource-Efficient Image Semantic Communication

• arxiv url: http://arxiv.org/abs/2606.00114v1
• Date: Wed, 27 May 2026 08:40:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:27.970179
• Title: Recursive Vision Transformer with Dynamic Depth and Width Adjustment for Resource-Efficient Image Semantic Communication
• Title（参考訳）: 資源効率の良い画像セマンティック通信のための動的深さと幅調整による再帰的視覚変換器
• Authors: Zhilong Zhang, Xinhui Zhang, Gongyu Jin, Sihua Wang, Danpu Liu, Changchuan Yin,
• Abstract要約: 画像意味コミュニケーションは次世代無線通信システムにおいて重要な要素である。 視覚変換器(ViT)を用いた画像意味コミュニケーションシステムを提案する。
• 参考スコア（独自算出の注目度）: 18.72166907019781
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image semantic communication is a critical component in next-generation wireless communication systems. However, such systems typically suffer from large memory footprints and high computational complexity, making them difficult to deploy on resource-constrained devices. To address these challenges, we propose a vision transformer (ViT)-enabled image semantic communication system. In this system, a recursive structure is introduced to iteratively refine semantic features and reduce the parameter count. In addition, three dynamic adjustment strategies are designed to adaptively reduce computational complexity: dynamic depth adjustment, dynamic width adjustment, and joint width-depth optimization. Dynamic depth adjustment adaptively determines the number of recursive modules according to image content and channel conditions, while dynamic width adjustment selectively preserves important neurons and attention heads. The joint width-depth optimization further enables flexible computation configurations. Simulation results verify that the proposed recursive ViT-based system, combined with the three dynamic adjustment strategies, reduces the parameter count by 48.7% and achieves higher reconstruction quality than existing baselines under comparable computational complexity.
• Abstract（参考訳）: 画像意味コミュニケーションは次世代無線通信システムにおいて重要な要素である。 しかし、そのようなシステムは通常、大きなメモリフットプリントと高い計算複雑性に悩まされ、リソースに制約のあるデバイスへのデプロイが困難になる。 これらの課題に対処するため、視覚変換器(ViT)を用いた画像意味コミュニケーションシステムを提案する。 本システムでは,反復的に意味的特徴を洗練し,パラメータ数を削減するために再帰的構造を導入する。 さらに、動的深さ調整、動的幅調整、関節幅深度最適化の3つの動的調整戦略が適応的に計算複雑性を削減するように設計されている。 動的深度調整は、画像の内容やチャネル条件に応じて再帰モジュール数を適応的に決定し、動的幅調整は重要なニューロンや注目ヘッドを選択的に保存する。 結合幅深度最適化により、フレキシブルな計算構成が可能になる。 シミュレーションの結果、提案した再帰的ViTベースのシステムと3つの動的調整戦略を組み合わせることで、パラメータ数を48.7%削減し、計算複雑性に匹敵する既存のベースラインよりも高い再構築品質を達成することが確認された。

関連論文リスト

• Looping Back to Move Forward: Recursive Transformers for Efficient and Flexible Large Multimodal Models [63.47909317137073]
  大規模マルチモーダルモデル (LMM) は視覚言語計算タスクにおいて顕著な成功を収めた。 しかし、その膨大なパラメータ数は、トレーニングと推論の両方で利用されていないことが多い。 LMMに適した再帰トランスフォーマーアーキテクチャであるRecursiveVLMを提案する。
  論文  参考訳（メタデータ） (2026-02-09T17:58:23Z)
• Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
  グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。 適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。 我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2025-11-23T14:47:24Z)
• ReSSFormer: A Recursive Sparse Structured Transformer for Scalable and Long-Context Reasoning [0.0]
  本稿では,ReSSFormerについて述べる。Recursive Sparse Structured Transformerは3つの相補的なイノベーションを統合している。 ReSSFormerは、従来のディープスタックをリカレント推論に置き換え、トークンレベルのスペーサと専門家レベルのスペーサに置き換え、コンテンツから直接潜在トークントポロジをモデル化する。
  論文  参考訳（メタデータ） (2025-10-02T02:05:30Z)
• ReCon-GS: Continuum-Preserved Gaussian Streaming for Fast and Compact Reconstruction of Dynamic Scenes [41.108974064267436]
  ReCon-GSは、高忠実なオンライン動的シーン再構築とリアルタイムレンダリングを可能にするストレージ対応フレームワークである。 本稿では,ReCon-GSがトレーニング効率を約15%向上し,FVV合成品質が向上することを示す。 同等のレンダリング品質では、ReCon-GSは最先端の方法と比較して、メモリ要求を50%以上削減する。
  論文  参考訳（メタデータ） (2025-09-29T06:23:47Z)
• Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction [9.911802466255653]
  本稿では,ハイブリッドな明示的関数を持つ動的3DGSフレームワークを提案する。 本手法は, 複雑な動的シーンを再構築する際の最先端性能を実証し, 再現精度を向上する。
  論文  参考訳（メタデータ） (2025-08-07T01:39:29Z)
• Rep3D: Re-parameterize Large 3D Kernels with Low-Rank Receptive Modeling for Medical Imaging [15.142146104837005]
  Rep3Dは、学習可能な空間ボリュームを大規模なカーネルトレーニングに組み込む3D畳み込みフレームワークである。 Rep3Dは、3D画像解析のための解釈可能でスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-05-26T07:12:56Z)
• Dynamic Voxel Grid Optimization for High-Fidelity RGB-D Supervised Surface Reconstruction [130.84162691963536]
  高忠実度3次元表面再構成のための新しい動的グリッド最適化手法を提案する。 グリッドを動的に修正し、より複雑な領域により微細なボクセルを割り当てることで、プロセスを最適化する。 提案手法は, 合成データと実世界のデータの両方を詳細に記述した高品質な3D再構成を実現する。
  論文  参考訳（メタデータ） (2023-04-12T22:39:57Z)
• DynaST: Dynamic Sparse Transformer for Exemplar-Guided Image Generation [56.514462874501675]
  本稿では,動的スパースアテンションに基づくトランスフォーマーモデルを提案する。 このアプローチの核心は、ある位置がフォーカスすべき最適なトークン数の変化をカバーすることに特化した、新しいダイナミックアテンションユニットです。 3つの応用、ポーズ誘導型人物画像生成、エッジベース顔合成、歪みのない画像スタイル転送の実験により、DynaSTは局所的な詳細において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-07-13T11:12:03Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)

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。