論文の概要: Semantic-Aware Generative Image Transmission for Resource-Constrained Visual IoT Systems
- arxiv url: http://arxiv.org/abs/2606.28398v1
- Date: Wed, 24 Jun 2026 08:18:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.547363
- Title: Semantic-Aware Generative Image Transmission for Resource-Constrained Visual IoT Systems
- Title（参考訳）: 資源制約型ビジュアルIoTシステムのためのセマンティック・アウェア生成画像伝送
- Abstract要約: 本稿では,エッジ支援型モノのインターネットのためのセマンティック・アウェア・ジェネレーティブ・イメージ・トランスミッション・フレームワークを提案する。
提案手法は、狭帯域の視覚的IoTリンクに対して、フレキシブルなトレードオフを提供する。
- 参考スコア（独自算出の注目度）: 10.339002859506607
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Resource-constrained visual Internet of Things (IoT) systems, such as edge cameras, unmanned sensing platforms, industrial inspection nodes, and remote monitoring sensors, often need to transmit task-relevant visual evidence over low-rate wireless links to an edge/cloud service. Existing image communication methods usually compress or transmit complete global representations, leaving limited room to exploit receiver-side generative restoration. This paper proposes a semantic-aware generative image transmission framework for edge-assisted visual IoT. The image captured by an IoT visual sensor is encoded into a discrete token grid by a VQ encoder. At the IoT transmitter or nearby gateway, token recoverability, estimated from prediction entropy and local structure complexity, is fused with semantic importance obtained from instance segmentation and category-aware scoring. A spatial dispersal sampler then selects the tokens to be transmitted under a bitrate budget. The transmitter sends only the quantization indices of kept tokens and a binary mask map, while the edge/cloud receiver recovers masked tokens through MaskGIT with Halton sequence scheduling. Experiments on Kodak and VisDrone scenes under AWGN and Rayleigh channels show that the proposed method provides a flexible bitrate-quality tradeoff for narrowband visual IoT links. At 0.074 bpp, it uses 44.6% of the transmitted bits of the 0.167-bpp DeepJSCC/WITT reference while achieving 29.9 dB PSNR. A pseudo-GT downstream detection study on Kodak further shows that semantic-aware masking preserves task-relevant objects better than random masking at both 30% and 50% mask ratios.
- Abstract（参考訳）: エッジカメラ、無人センシングプラットフォーム、産業用検査ノード、リモート監視センサーなどのリソース制約のある視覚的モノのインターネット(IoT)システムは、エッジ/クラウドサービスへの低レート無線リンクに対するタスク関連視覚的エビデンスを送信する必要があることが多い。
既存の画像通信方式は通常、完全なグローバル表現を圧縮または送信し、受信側生成復元を利用するための限られた空間を残している。
本稿では,エッジ支援型視覚IoTのための意味認識型画像伝送フレームワークを提案する。
IoT視覚センサによってキャプチャされた画像は、VQエンコーダによって離散トークングリッドに符号化される。
IoT送信機または近くのゲートウェイでは、予測エントロピーと局所構造複雑性から推定されるトークン回復性は、インスタンスセグメンテーションとカテゴリ認識スコアから得られるセマンティックな重要性と融合する。
空間分散サンプリング器は、ビットレート予算で送信されるトークンを選択する。
送信機は保持トークンの量子化指標と二値マスクマップのみを送信し、エッジ/クラウド受信機はHaltonシーケンススケジューリングを用いてMaskGITを介してマスクトークンを復元する。
AWGNおよびRayleighチャネル下でのKodakとVisDroneのシーンの実験により、提案手法は狭帯域視覚IoTリンクに対して柔軟なビットレート品質のトレードオフを提供することが示された。
0.074bppでは、0.167bppのDeepJSCC/WITT参照の伝送ビットの44.6%を使用し、29.9dBのPSNRを達成した。
Kodakにおける擬似GT下流検出研究により、意味認識マスキングは、ランダムマスキングよりもタスク関連マスキングを30%と50%のマスキング比で保存することが示された。
関連論文リスト
- Task-Oriented Communication for Human Action Understanding via Edge-Cloud Co-Inference [19.901979392669443]
スマートセンシングは、ネットワークエッジにおける人間の行動の正確な理解に対する需要が高まっている。
従来のアプローチでは、リソース制約のあるエッジデバイスから強力なクラウドサーバへ、大量のビデオデータを送信する必要がある。
エッジクラウドコラボレーションによるヒューマンアクション理解(TOAU)のためのタスク指向コミュニケーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-08T07:08:28Z) - IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection [92.56025546608699]
IrisNetは、入力赤外線画像ステータスに検出戦略を適用する、新しいメタ学習フレームワークである。
提案手法は,赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。
NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を示している。
論文 参考訳（メタデータ） (2025-11-25T13:53:54Z) - Halton Scheduler For Masked Generative Image Transformer [51.82285573627426]
Masked Generative Image Transformers (MaskGIT)はスケーラブルで効率的な画像生成フレームワークとして登場した。
トークン間の相互情報に基づいて,MaskGITにおけるサンプリング対象を解析する。
そこで本研究では,最初の信頼性スケジューラの代わりに,Haltonスケジューラに基づく新しいサンプリング戦略を提案する。
論文 参考訳（メタデータ） (2025-03-21T12:00:59Z) - Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。
本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
論文 参考訳（メタデータ） (2024-04-11T15:39:10Z) - Attention-based UNet enabled Lightweight Image Semantic Communication
System over Internet of Things [4.62215026195301]
モノのインターネット(IoT)デバイス上に展開される軽量な画像意味コミュニケーションシステムの問題について検討する。
本稿では,低計算複雑性と小型モデルサイズを実現する軽量画像意味コミュニケーション (LSSC) システムを提案する。
論文 参考訳（メタデータ） (2024-01-14T16:46:50Z) - Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。
本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。
我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
論文 参考訳（メタデータ） (2023-10-09T11:26:58Z) - Neural Image Compression Using Masked Sparse Visual Representation [17.229601298529825]
本研究では,Sparse Visual Representation (SVR) に基づくニューラル画像圧縮について検討し,学習されたビジュアルコードブックにまたがる離散潜在空間に画像が埋め込まれた。
コードブックをデコーダと共有することにより、エンコーダは効率的でクロスプラットフォームなコードワードインデックスを転送する。
本稿では,マスクを潜在機能部分空間に適用して品質のバランスと再構築を行うMasked Adaptive Codebook Learning (M-AdaCode)法を提案する。
論文 参考訳（メタデータ） (2023-09-20T21:59:23Z) - An Adaptive Sampling and Edge Detection Approach for Encoding Static
Images for Spiking Neural Networks [0.2519906683279152]
スパイキングニューラルネットワーク(SNN)は、人工ニューラルネットワークの第3世代と考えられている。
本稿では,エッジ検出と適応信号サンプリング手法を用いて,静的画像を時間的スパイク列車に符号化する方法を提案する。
論文 参考訳（メタデータ） (2021-10-19T19:31:52Z) - FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。
提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。
Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
論文 参考訳（メタデータ） (2021-08-27T03:07:55Z) - Wireless Image Retrieval at the Edge [20.45405359815043]
本研究では、エッジデバイスが画像をキャプチャし、エッジサーバから同様の画像を検索するために使用される無線エッジにおける画像検索問題について検討する。
我々の目標は、無線リンクに対する電力及び帯域幅制約下での検索タスクの精度を最大化することである。
本稿では,デジタル通信とアナログ通信の2つの方法を提案する。
論文 参考訳（メタデータ） (2020-07-21T16:15:40Z) - Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian
Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。
我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。
我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文 参考訳（メタデータ） (2020-04-03T17:36:26Z)
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。