論文の概要: Domain-Generalized Adaptive Semantic Communication for Collaborative Perception

• arxiv url: http://arxiv.org/abs/2608.00056v1
• Date: Mon, 27 Jul 2026 07:10:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 21:56:46.348743
• Title: Domain-Generalized Adaptive Semantic Communication for Collaborative Perception
• Title（参考訳）: 協調認識のためのドメイン一般化適応意味コミュニケーション
• Abstract要約: RSTAは、ソースフリーなV2X協調認識のためのドメイン汎用セマンティックコミュニケーションフレームワークである。 RSTAは、クロスドメインのプロトタイプアライメントとチャネル間の勾配の整合性を通じて、トランスミッション安定性のためのプリデプロイセマンティックエンコーダを訓練する。 理論的タスク分解は、各損失項を別個の劣化源にリンクし、各アルゴリズム成分を測定可能な誤差モードでグラウンド化する。
• 参考スコア（独自算出の注目度）: 6.782749441111213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose RSTA, a domain-generalized semantic communication framework enabling source-free V2X collaborative perception under both observation-domain shift and unseen wireless channel conditions. In V2X, received semantic tokens suffer coupled degradation from pre-transmission domain drift and in-transit channel corruption; existing methods address only one source, leaving adaptation misled by tokens that are simultaneously off-domain and physically degraded. RSTA trains a pre-deployment semantic encoder for transmission stability via cross-domain prototype alignment and cross-channel gradient consistency, and updates a lightweight in-deployment decoder adapter through reliability-gated entropy minimization that restricts gradients to tokens ranked high in both semantic relevance and channel fidelity. A theoretical task robustness decomposition links each loss term to a distinct degradation source, grounding each algorithmic component in a measurable error mode. Trained on AWGN and tested on unseen Rayleigh fading, RSTA achieves +7.2 AP@0.7 over pre-deployment domain generalization on cross-weather tasks and +5.5 on cross-dataset tasks across four V2X benchmarks, updating only 0.21\% of parameters in-deployment with zero inter-agent synchronization overhead.
• Abstract（参考訳）: 我々は、観測領域シフトと未確認無線チャネル条件の両方の下で、ソースフリーなV2X協調認識を可能にするドメイン一般化セマンティック通信フレームワークRSTAを提案する。 V2Xでは、受信されたセマンティックトークンは、転送前のドメインドリフトとトランジット内チャネルの破損から複合的に劣化する。 RSTAは、クロスドメインのプロトタイプアライメントとクロスチャネルの勾配一貫性による伝送安定性のためのプリデプロイセマンティックエンコーダをトレーニングし、信頼性の高いエントロピー最小化により軽量なインデプロイデコーダアダプタを更新する。 理論的タスク堅牢性分解は、各損失項を異なる劣化源にリンクし、各アルゴリズム成分を測定可能な誤差モードでグラウンド化する。 RSTAはAWGNでトレーニングされ、未確認のレイリーフェディングでテストされ、4つのV2Xベンチマークにわたるクロスデータセットタスクのクロスデプロイドメインの一般化で+7.2 AP@0.7を達成し、アジェント間オーバーヘッドをゼロにするパラメータの0.21\%を更新した。

関連論文リスト

• Hierarchical Adaptive Feature Refinement Network for VHR Remote Sensing Image Segmentation [15.24999553337715]
  本稿では,階層的表現を適応的に整理・洗練する進歩的改良フレームワークHAFR-Netを提案する。 マッチしたSwin-Bトレーニングとシングルスケール推論プロトコルの下で、HAFR-Netは84.12%、87.86%、55.17%、67.70%mIoUを達成した。
  論文  参考訳（メタデータ） (2026-08-16T09:26:58Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• SPAT: A Semantic Port-Aware Adaptive-Rate Transmission Protocol for Semantic Communication [56.844498058243744]
  6Gのセマンティックコミュニケーションは,ビットレベルの厳密さよりもタスク関連意味の伝達を優先することで,有望なパラダイムとして浮上している。 既存のトランスポート機構はまだ明示的なポートヘッダとビットレベルのバリデーションに依存しており、ヘッダの破損やパケットの損失に対して脆弱である。 本稿ではセマンティック・ポート・アウェア・アダプティブ・レート・トランスミッションプロトコル(SPAT)を提案する。
  論文  参考訳（メタデータ） (2026-04-28T03:32:50Z)
• Generative Semantic Communication via Alternating Dual-Domain Posterior Sampling [3.860428650013287]
  ジェネレーティブ・セマンティック・コミュニケーション(SemCom)は、事前訓練された事前学習を利用して、無線画像伝送の知覚的品質を改善する。 既存のSemCom受信機は、最大後部推定(MAP)に依存する。 本稿では拡散型SemCom受信機である交互二重ドメイン後部サンプリング(ADDPS)を提案する。
  論文  参考訳（メタデータ） (2026-04-18T03:00:02Z)
• A transfer learning approach for automatic conflicts detection in software requirement sentence pairs based on dual encoders [5.780557526613627]
  本稿では,SBERTとSimCSEをベースとしたTransferable Software Requirement Conflict Detection Frameworkを提案する。 提案したフレームワークは、マクロF1と重み付きF1のスコアをドメイン内設定で10.4%改善し、クロスドメインシナリオでマクロF1を11.4%向上させる。
  論文  参考訳（メタデータ） (2025-11-28T09:16:35Z)
• Enhancing Transferability and Consistency in Cross-Domain Recommendations via Supervised Disentanglement [13.553355329509243]
  クロスドメインレコメンデーションは、ドメイン間で知識を伝達することで、データの疎さを軽減することを目的としている。 分散表現学習は、複雑なユーザの好みをモデル化するための効果的なソリューションを提供する。 本稿では,GNN を拡張したエンコーダデコーダフレームワーク DGCDR を提案する。
  論文  参考訳（メタデータ） (2025-07-23T01:29:45Z)
• Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization [68.41367635546183]
  単一ドメインの一般化は、単一のソースからのデータを使用して、さまざまなシナリオで一貫したパフォーマンスでモデルをトレーニングすることを目的としている。 モデル一般化を改善するために合成データを活用した学習フレームワークDRSFを提案する。
  論文  参考訳（メタデータ） (2025-03-17T18:08:03Z)
• From Limited Labels to Open Domains:An Efficient Learning Method for Drone-view Geo-Localization [12.785100004522059]
  従来のドローンビュージオローカライゼーション(DVGL)手法は、ペア化されたトレーニングデータに大きく依存している。 DVGL法は、新しいペアデータを取得し、その後のモデル適応のための再訓練を必要とする。 本稿では,限られた監督力を有するクロスドメイン不変知識伝達ネットワーク(CDIKTNet)を提案する。
  論文  参考訳（メタデータ） (2025-03-10T16:46:43Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• TDACNN: Target-domain-free Domain Adaptation Convolutional Neural Network for Drift Compensation in Gas Sensors [6.451060076703026]
  本稿では,ターゲットドメインレスドメイン適応畳み込みニューラルネットワーク(TDACNN)に基づくディープラーニングを提案する。 主な概念は、CNNがサンプルのドメイン固有の特徴を抽出するだけでなく、ソースドメインとターゲットドメインの両方の基礎となるドメイン不変の特徴も抽出することである。 異なる設定下でドリフトする2つのデータセットの実験は、いくつかの最先端手法と比較してTDACNNの優位性を示している。
  論文  参考訳（メタデータ） (2021-10-14T16:30:17Z)
• HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning [74.76431541169342]
  ゼロショット学習(ZSL)は、目に見えないクラス認識の問題に取り組み、目に見えないクラスから目に見えないクラスに意味的な知識を移す。 本稿では,意味領域と視覚領域を協調させる新しい階層型意味視覚適応(HSVA)フレームワークを提案する。 4つのベンチマークデータセットの実験では、HSVAは従来のZSLと一般的なZSLの両方で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-30T14:27:50Z)
• Alleviating Semantic-level Shift: A Semi-supervised Domain Adaptation Method for Semantic Segmentation [97.8552697905657]
  このタスクの重要な課題は、ソースとターゲットドメイン間のデータ分散の相違を緩和する方法である。 本稿では,グローバルな視点とローカルな視点の両方から分布の整合性を促進できるASS(Alleviating Semantic-level Shift)を提案する。 GTA5、Cityscapes、Synthia、Cityscapesの2つのドメイン適応タスクにASSを適用します。
  論文  参考訳（メタデータ） (2020-04-02T03:25:05Z)

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。