Fugu-MT 論文翻訳(概要): Generative Communications: Overview, Technologies, and Trends

論文の概要: Generative Communications: Overview, Technologies, and Trends

arxiv url: http://arxiv.org/abs/2607.09183v1
Date: Fri, 10 Jul 2026 08:17:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 14:47:12.809477
Title: Generative Communications: Overview, Technologies, and Trends
Title（参考訳）: ジェネレーティブコミュニケーション - 概観,技術,トレンド
Abstract要約: 本稿では、大容量AIモデルが意味理解、推論、コンテンツ生成を促進する6Gネットワークのための新しいパラダイムであるジェネレーティブ・コミュニケーション(GenCom)を紹介する。 GenComは送信機が最小限の十分な情報のみを伝達することを可能にし、受信機は共有された生成前と知識ベースを利用して意図した出力を合成する。
参考スコア（独自算出の注目度）: 58.67925548779465
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The groundbreaking development of generative artificial intelligence (AI) is rapidly boosting the ability to generate content such as images and videos, reshaping communication paradigms. This article introduces generative communications (GenCom), a novel paradigm for 6G networks in which large AI models (LAMs) drive semantic understanding, reasoning, and content generation, embedding these into the communication process. Unlike traditional systems that strictly pursue accurate bit transmission, GenCom enables transmitters to convey only minimal yet sufficient information, while receivers leverage shared generative priors and knowledge bases to synthesize the intended output. Communication is thus redefined as controlled generation rather than data reproduction. We formalize the concept of GenCom, clarify its AI-native and generation-driven properties, and present its core mechanisms. A two-layer GenCom architecture supported by key enabling technologies is proposed, and analysis of four representative application scenarios demonstrates that GenCom offers ultra-efficient transmission, semantic-level robustness, and new network functions. Finally, we outline future research directions, including foundational theory and real-time processing, highlighting a promising pathway toward 6G networks.
Abstract（参考訳）: 生成人工知能(AI)の画期的な発展により、画像やビデオなどのコンテンツを生成し、コミュニケーションパラダイムを再構築する能力が急速に向上している。本稿では,大きめのAIモデル(LAM)が意味理解,推論,コンテンツ生成を促進し,それらをコミュニケーションプロセスに組み込む6Gネットワークの新しいパラダイムであるジェネレーティブ通信(GenCom)を紹介する。正確なビット伝送を厳密に追求する従来のシステムとは異なり、GenComは送信機が最小限の十分な情報しか伝達できないのに対して、受信機は出力を合成するために共有生成前の知識ベースを利用する。これにより、通信はデータ再生よりも制御された生成として再定義される。我々はGenComの概念を形式化し、そのAIネイティブな世代駆動特性を明らかにし、その中核となるメカニズムを提示する。キー有効化技術によってサポートされた2層GenComアーキテクチャが提案され、4つの代表的なアプリケーションシナリオの分析により、GenComが超効率的なトランスミッション、セマンティックレベルのロバスト性、新しいネットワーク機能を提供していることが示された。最後に,基礎理論やリアルタイム処理を含む今後の研究の方向性を概説し,将来的な6Gネットワークへの道筋を明らかにする。

関連論文リスト

From Semantic to Token Communication: The Next Paradigm for Large-Model-Driven 6G Intelligent Connectivity [94.51565447227847]
6Gネットワークは、通信システムを信頼性の高いビット配信から、意味認識とタスク指向の接続へと駆動している。強力なマルチモーダル理解と生成能力を持つ大規模モデル(LM)がこのシフトを加速した。現在のLM駆動セマンティックコミュニケーション(SemCom)は断片化されている。トークンは、この欠落した抽象化の自然な候補である、と我々は主張する。
論文参考訳（メタデータ） (2026-09-09T18:11:38Z)
Towards 6G Intelligence: The Role of Generative AI in Future Wireless Networks [3.511369967593153]
アンビエント・インテリジェンス(AmI)は、物理環境にセンサー、計算、通信を組み込むコンピューティングパラダイムである。我々は、生成人工知能(GenAI)がそのような環境の創造的な中核であると主張している。本章では、基礎となるGenAIモデル、GAN、VAE、拡散モデル、生成トランスフォーマーをレビューし、実践的なAmIユースケースに接続する。
論文参考訳（メタデータ） (2025-08-27T00:44:47Z)
AGI-Driven Generative Semantic Communications: Principles and Practices [28.767753294089825]
我々は,ジェネレーティブセマンティックコミュニケーション(GSC)という,AGIアプリケーションをサポートするためのAGI駆動通信パラダイムを導入する。まず、GSCの基本概念と既存の意味コミュニケーションとの違いを説明し、その後、高度なAI技術に基づくGSCの一般的なフレームワークを導入する。
論文参考訳（メタデータ） (2025-04-21T08:10:59Z)
Token Communications: A Large Model-Driven Framework for Cross-modal Context-aware Semantic Communications [78.80966346820553]
我々は、生成意味コミュニケーション(GenSC)において、クロスモーダルなコンテキスト情報を活用するための大規模なモデル駆動フレームワークであるトークン通信(TokCom)を紹介する。本稿では,GFM/MLLMをベースとしたトークン処理をセマンティック通信システムに組み込む方法について検討し,将来無線ネットワークの様々な層において効率的なTokComを実現する上での鍵となる原則について述べる。
論文参考訳（メタデータ） (2025-02-17T18:14:18Z)
GDM4MMIMO: Generative Diffusion Models for Massive MIMO Communications [61.56610953012228]
生成拡散モデル (generative diffusion model, GDM) は、生成モデルの最先端のファミリーの一つである。 GDMは、暗黙の事前知識と堅牢な一般化能力を学ぶ能力を示す。ケーススタディは、GDMが有望な、効率的な超次元チャネルステートメント情報取得を促進する可能性を示唆している。
論文参考訳（メタデータ） (2024-12-24T08:42:01Z)
Generative Semantic Communication: Architectures, Technologies, and Applications [36.67865904029129]
本稿では,ジェネレーティブ人工知能(GAI)のセマンティックコミュニケーションへの応用について述べる。 3つの人気セムコムシステムが最初に導入され、その中には変分オートエンコーダ、生成逆数ネットワーク、拡散モデルなどがある。最先端のGAI技術大規模言語モデル(LLM)を取り入れた新しい生成型SemComシステムを提案する。
論文参考訳（メタデータ） (2024-12-11T18:59:50Z)
Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
本稿では,強化学習に基づくエージェント駆動型ジェネリック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。本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
論文参考訳（メタデータ） (2024-04-10T13:24:27Z)
GenAINet: Enabling Wireless Collective Intelligence via Knowledge Transfer and Reasoning [27.97936220718295]
本稿では,分散GenAIエージェントが任意のタスクを遂行するために知識を伝達するGenAINetフレームワークを提案する。具体的には、GenAIエージェントが異質な生データから意味を抽出し、知識間の意味的関係を表す知識モデルを構築し、維持する。このパラダイムの下では、目標とするタスクの複雑さによって、さまざまなレベルのコラボレーションが柔軟に達成できます。
論文参考訳（メタデータ） (2024-02-26T15:03:46Z)
Generative AI Meets Semantic Communication: Evolution and Revolution of Communication Tasks [41.64537121421164]
セマンティックコミュニケーションにおける深層生成モデルの統一的な視点を示す。我々は、将来のコミュニケーションフレームワークにおける彼らの革命的な役割を明らかにし、新しいアプリケーションやタスクを可能にします。
論文参考訳（メタデータ） (2024-01-10T09:56:36Z)
AI-native Interconnect Framework for Integration of Large Language Model Technologies in 6G Systems [3.5370806221677245]
本稿では,Large Language Models (LLM) とGeneralized Pretrained Transformer (GPT) のシームレスな統合を6Gシステムで検討する。 LLMとGPTは、従来の前世代のAIと機械学習(ML)アルゴリズムとともに、共同で中心的なステージに立つ。
論文参考訳（メタデータ） (2023-11-10T02:59:16Z)
Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
論文参考訳（メタデータ） (2023-09-05T23:24:56Z)
Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
論文参考訳（メタデータ） (2022-11-25T19:03:25Z)

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。