論文の概要: Generative Transmission: Rethinking Computation, Bandwidth, and Memory in Communication
- arxiv url: http://arxiv.org/abs/2607.17482v1
- Date: Mon, 20 Jul 2026 02:11:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.478507
- Title: Generative Transmission: Rethinking Computation, Bandwidth, and Memory in Communication
- Title（参考訳）: ジェネレーティブトランスミッション:通信における計算、帯域、記憶を再考する
- Abstract要約: 超低帯域幅および弱いネットワーク環境下でのビデオ通信のためのジェネラティブトランスミッション(GenTrans)を提案する。
生成前のプリミティブ、クロスクリップメモリの再利用、ランタイム状態の再利用、弱いネットワーク対応トランスポートを活用することで、GenTransはトランスミッションオーバーヘッドを大幅に削減する。
実験結果から,GenTransは,超低ビットレートおよび弱いネットワーク条件下での効率的な映像伝送をサポートすることがわかった。
- 参考スコア（独自算出の注目度）: 50.47339685860709
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Under the AI Flow framework, communication is shifting from transmitting fidelity-oriented information flows toward delivering task-oriented and perception-oriented token flows across heterogeneous network resources. Video communication is a fundamental component of modern information networks. However, under ultra-low-bandwidth and weak-network conditions, conventional video coding and transmission methods, which are primarily optimized for pixel-level fidelity, often struggle to balance visual usability, transmission efficiency, and robustness to unstable links. With the rapid advancement of generativemodels, video communication is also moving from precise signal reconstruction toward receiver-side perceptual utility and system-level usability. In this paper, we propose Generative Transmission (GenTrans) for video communication under ultra-low-bandwidth and weak-network conditions. Built upon Generative Video Compression (GVC), GenTrans formulates video transmission as a joint optimization problem involving bandwidth, computation, and memory, rather than treating it merely as a signal coding task. By leveraging generative priors, cross-clip memory reuse, runtime state reuse, and weak-network-aware transport, GenTrans significantly reduces transmission overhead while enabling visually coherent and practically useful reconstruction. Experimental results show that GenTrans supports effective video transmission under ultra-low-bitrate and weak-network conditions, achieving improved transmission efficiency, decoding efficiency, and robustness while preserving perceptual quality.
- Abstract（参考訳）: AI Flowフレームワークの下では、コミュニケーションは、不均一なネットワークリソースをまたいだタスク指向および知覚指向のトークンフローの提供へと、忠実性指向の情報フローの伝達から移行している。
ビデオ通信は現代の情報ネットワークの基本的な構成要素である。
しかし、超低帯域幅および弱いネットワーク条件下では、従来のビデオ符号化と伝送方式は、主にピクセルレベルの忠実度に最適化されており、視認性、伝送効率、不安定なリンクに対する堅牢性のバランスをとるのに苦労することが多い。
生成モデルの急速な進歩に伴い、ビデオ通信は正確な信号再構成から受信側知覚ユーティリティとシステムレベルのユーザビリティへと移行しつつある。
本稿では,超低帯域幅および弱いネットワーク環境下での映像通信のためのジェネラティブトランスミッション(GenTrans)を提案する。
Generative Video Compression (GVC)に基づいて構築されたGenTransは、信号符号化タスクとしてのみ扱うのではなく、帯域幅、計算、メモリを含む共同最適化問題としてビデオ伝送を定式化している。
GenTransは、生成前のプリミティブ、クロスクリップメモリの再利用、ランタイム状態の再利用、弱いネットワーク対応のトランスポートを活用することで、透過オーバーヘッドを著しく低減し、視覚的に一貫性があり、実用的な再構築を可能にします。
実験の結果,GenTransは低ビットレートおよび弱ネットワーク条件下での効率的な映像伝送をサポートし,高い伝送効率,復号効率,ロバスト性を実現し,知覚品質を維持した。
関連論文リスト
- A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles [51.449502491030756]
衛星支援自動運転のためのマルチタスク・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。
このフレームワークは、両方のタスクを共同で最適化するために、エンドツーエンドで訓練されている。
提案手法は,87.23%から98.17%までの帯域幅削減を実現している。
論文 参考訳（メタデータ） (2026-07-15T06:49:41Z) - Context Video Semantic Transmission with Variable Length and Rate Coding over MIMO Channels [49.624608869195065]
無線ビデオ伝送のためのコンテキストビデオセマンティックトランスミッション(CVST)フレームワークを提案する。
我々は、特徴群と多重入力多重出力(MIMO)サブチャネルの関係を明確に定式化するために、コンテキストチャネル相関マップを学習する。
近年の無線ビデオ・セマンティック・コミュニケーション・アプローチにおいて,標準化された分離符号化方式に対して性能が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2025-12-23T10:48:43Z) - Channel-adaptive Cross-modal Generative Semantic Communication for Point Cloud Transmission [31.144719637429567]
我々は,GenSeC-PC と呼ばれる PC 伝送のためのクロスモーダル・ジェネリック・セマンティック・コミュニケーション (SemCom) を提案する。
GenSeC-PCは、画像と点雲を融合させるセマンティックエンコーダを使用し、画像は非送信側情報として機能する。
そこで我々は,ロバスト伝送とシステム複雑性の低減を図るために,合理化・非対称なチャネル適応型共同セマンティックチャネル符号化アーキテクチャを設計する。
論文 参考訳（メタデータ） (2025-06-03T01:14:58Z) - Generative Video Semantic Communication via Multimodal Semantic Fusion with Large Model [52.420489186647295]
本稿では,高品質な映像再構成を実現するために,意味情報を抽出し,送信するスケーラブルなビデオ意味コミュニケーションフレームワークを提案する。
具体的には、送信機では、それぞれテキストと構造的意味論として機能するソースビデオから記述と他の条件信号を抽出する。
受信機では、拡散に基づくGenAI大モデルを用いて、ビデオの再構成のために複数のモーダルのセマンティクスを融合させる。
論文 参考訳（メタデータ） (2025-02-19T15:59:07Z) - Object-Attribute-Relation Representation Based Video Semantic Communication [35.87160453583808]
我々は,低ビットレート符号化を実現するためのビデオのセマンティックフレームワークとして,OAR(Object-Atribute-Relation)を導入する。
我々は低ビットレート表現と生成ビデオ再構成の両方にOARシーケンスを利用する。
トラヒック監視ビデオデータセットに関する実験は,映像伝送性能の観点から,我々のアプローチの有効性を評価した。
論文 参考訳（メタデータ） (2024-06-15T02:19:31Z) - Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models [43.27015039765803]
我々は,事前学習した生成モデルを用いた遅延認識型セマンティックコミュニケーションフレームワークを開発した。
我々は,超低レート,低レイテンシ,チャネル適応型セマンティック通信を実証する。
論文 参考訳（メタデータ） (2024-03-25T23:04:09Z) - Cross-layer scheme for low latency multiple description video streaming
over Vehicular Ad-hoc NETworks (VANETs) [2.2124180701409233]
HEVC標準はリアルタイムビデオストリーミングに非常に有望だ。
新しい最先端のビデオ符号化(HEVC)標準は、リアルタイムビデオストリーミングに非常に有望である。
本稿では,車載通信における映像品質を向上させるために,独自のクロスレイヤーシステムを提案する。
論文 参考訳（メタデータ） (2023-11-05T14:34:58Z) - 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) - 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) - Wireless Deep Video Semantic Transmission [14.071114007641313]
本稿では,無線チャネル上でのエンドツーエンドビデオ伝送を実現するための,高効率なディープ・ジョイント・ソース・チャネル符号化手法を提案する。
我々のフレームワークはディープビデオセマンティックトランスミッション (DVST) という名前で収集される。
論文 参考訳（メタデータ） (2022-05-26T03:26:43Z)
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。