論文の概要: Context-Aware Markov VAE for CSI Compression in Wireless Systems

• arxiv url: http://arxiv.org/abs/2606.16607v1
• Date: Mon, 15 Jun 2026 11:56:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.500861
• Title: Context-Aware Markov VAE for CSI Compression in Wireless Systems
• Title（参考訳）: 無線システムにおけるCSI圧縮のためのコンテキスト対応マルコフVAE
• Authors: Efstathios Chatziloizos, Konstantinos Vandikas, Aneta Vulgarakis Feljan, Zheng Chen, Nikolaos Pappas,
• Abstract要約: kメモリマルコフ変分オートエンコーダ(k-MMVAE)に基づく文脈対応圧縮フレームワークを提案する。 提案手法は,メモリレスベースラインや弱いシーケンシャルベースラインに比べて,目標CSI再構成性能を向上することを示す。 これらの結果から, 明示的な潜時モデリングは, 限られたフィードバック制約下でのCSI圧縮に有効なメカニズムを提供する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 6.089826534796873
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper considers neural channel state information (CSI) compression for time-varying massive multiple-input multiple-output (MIMO) channels in frequency division duplex (FDD) systems with limited feedback resources. The main challenge lies in obtaining a compact and efficient representation of the CSI given that it exhibits strong temporal correlation across successive snapshots. Existing memoryless compression models do not exploit this property, while simple temporal extensions often incorporate multiple observations without explicitly modeling the latent dynamics. We propose a context-aware compression framework based on a k-memory Markov variational autoencoder (k-MMVAE), which uses a finite temporal window to capture the evolution of CSI in the latent space. The model introduces Markov-structured latent dynamics with finite memory, enabling efficient use of temporal dependencies for compression. Simulation results show that the proposed approach improves target CSI reconstruction performance compared to memoryless and weakly sequential baselines, particularly at low and moderate compression rates. These results suggest that explicit latent temporal modeling can provide an effective mechanism for CSI compression under limited feedback constraints.
• Abstract（参考訳）: 本稿では、フィードバックリソースが限られている周波数分割デュプレックス(FDD)システムにおいて、時間変化の大きいマルチインプットマルチアウトプット(MIMO)チャネルに対するニューラルチャネル状態情報(CSI)圧縮について検討する。 主な課題は、連続するスナップショット間で強い時間的相関を示すため、CSIのコンパクトで効率的な表現を得ることである。 既存のメモリレス圧縮モデルは、この特性を利用していないが、単純な時間拡張は、遅延力学を明示的にモデル化することなく、複数の観測を組み込むことが多い。 我々は,kメモリ型マルコフ変分オートエンコーダ(k-MMVAE)に基づく文脈対応圧縮フレームワークを提案する。 このモデルはマルコフ構造化潜在力学を有限メモリで導入し、圧縮に時間的依存を効率的に利用できるようにする。 シミュレーションの結果,提案手法はメモリレス,弱い逐次ベースライン,特に低・中程度の圧縮速度において,目標CSI再構成性能を向上することが示された。 これらの結果から, 明示的な潜時モデリングは, 限られたフィードバック制約下でのCSI圧縮に有効なメカニズムを提供する可能性が示唆された。

関連論文リスト

• SoLAR: Error-Resilient Streamable Long-Horizon Free-Viewpoint Video Reconstruction with Anchor Activation and Latent Recalibration [57.159190580279585]
  ビット割り当て理論により、速度歪み最適化フレームワーク内で動的アンカーベースのボリュームビデオ表現を解析する。 我々は,長いシーケンスの復元品質を安定的に維持する,エラー回復性の最初のFVVフレームワークである textbfSoLAR を提案する。
  論文  参考訳（メタデータ） (2026-05-08T06:48:59Z)
• ANTIC: Adaptive Neural Temporal In-situ Compressor [19.44325026786871]
  大規模および高次元偏微分方程式(PDE)はペタバイトからエクサバイトスケールに到達した。 AntiCは、時間分解能と空間成分を組み合わせた圧縮を可能にし、時間分解能全体のディスク上の明示的な保存の必要性を効果的に軽減する。 実験により、数桁のストレージの削減が物理精度にどのように関係しているかが示された。
  論文  参考訳（メタデータ） (2026-04-10T17:58:16Z)
• DySCo: Dynamic Semantic Compression for Effective Long-term Time Series Forecasting [6.800568640042171]
  時系列予測は、金融、気象学、エネルギーといった分野において重要である。 本稿では,これらの課題に対処する動的意味圧縮(DySCo)フレームワークを提案する。 DySCoは汎用的なプラグイン・アンド・プレイモジュールとして機能し、主要なモデルが長期的相関を捉える能力を大幅に強化する。
  論文  参考訳（メタデータ） (2026-04-01T12:40:23Z)
• EchoKV: Efficient KV Cache Compression via Similarity-Based Reconstruction [55.026048429595384]
  EchoKVは、標準と圧縮された推論間のオンデマンド移行を可能にする柔軟なKVキャッシュ圧縮スキームである。 高速で低コストなトレーニングを可能にする2段階の微調整戦略を導入する。
  論文  参考訳（メタデータ） (2026-03-24T07:58:42Z)
• Arbitrary Ratio Feature Compression via Next Token Prediction [52.10426317889982]
  Arbitrary Ratio Feature Compression (ARFC)フレームワークは、任意の圧縮比を単一のモデルでサポートする。 ARCは、次の回帰予測によって圧縮を行う自動回帰モデルである。 MoSモジュールは複数の圧縮結果を利用して圧縮トークンを洗練する。 ERGCは、圧縮中の意味的および構造的関係を維持するために、トレーニングプロセスに統合される。
  論文  参考訳（メタデータ） (2026-02-12T02:38:57Z)
• MTC-VAE: Multi-Level Temporal Compression with Content Awareness [54.85288415164888]
  Latent Video Diffusion Models (LVDMs) は可変オートエンコーダ (VAEs) を使ってビデオをコンパクトな遅延表現に圧縮する。 固定圧縮率VAEを多段階時間圧縮をサポートするモデルに変換する手法を提案する。
  論文  参考訳（メタデータ） (2026-02-01T17:08:02Z)
• MambaIC: State Space Models for High-Performance Learned Image Compression [40.155314987485376]
  多数のフィールドをまたいだリアルタイム情報伝送には,高性能な画像圧縮アルゴリズムが不可欠である。 状態空間モデル(SSM)の長距離依存性の捕捉効果に着想を得て,SSMを利用して既存手法の計算不効率に対処する。 そこで本稿では,MambaICと呼ばれる洗練されたコンテキストモデリングによる画像圧縮手法を提案する。
  論文  参考訳（メタデータ） (2025-03-16T11:32:34Z)
• Hierarchical Semantic Compression for Consistent Image Semantic Restoration [62.97519327310638]
  生成モデルから固有意味空間内で純粋に機能する新しい階層意味圧縮(HSC)フレームワークを提案する。 実験の結果,提案したHSCフレームワークは人間の視力に対する主観的品質と一貫性に関する最先端の性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-02-24T03:20:44Z)
• Contextual Compression Encoding for Large Language Models: A Novel Framework for Multi-Layered Parameter Space Pruning [0.0]
  文脈圧縮。 (CCE)はパラメータ分布を動的に再構成する多段符号化機構を導入した。 CCEは言語表現力とコヒーレンスを維持し、テキスト生成や分類タスクの精度を維持した。
  論文  参考訳（メタデータ） (2025-02-12T11:44:19Z)

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。