論文の概要: Demo: Real-time Generative Multicasting with On-Device Intent-aware Semantic Decomposition
- arxiv url: http://arxiv.org/abs/2608.14600v1
- Date: Wed, 01 Jul 2026 12:49:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.22834
- Title: Demo: Real-time Generative Multicasting with On-Device Intent-aware Semantic Decomposition
- Title（参考訳）: デモ:オンデバイスインテント対応セマンティック分解によるリアルタイム生成マルチキャスト
- Abstract要約: デバイス上での意図認識型セマンティック分解による生成マルチキャストのデモを行う。
DNNベースのセグメンテーションは、ソースビデオからセマンティックマップを抽出し、それを複数のサブシグナルクラスに分解する。
送信機は、共有無線/ネットワークリソースを介して、すべてのユーザに対してセマンティックマップをブロードキャストする。
- 参考スコア（独自算出の注目度）: 25.261694816593856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a demonstration for generative multicasting with on-device, intent-aware semantic decomposition. At the transmitter, DNN-based segmentation extracts a semantic map from the source video, decomposing it into multiple sub-signal classes based on multi-user receiver intents. The transmitter broadcasts the semantic map to all users over shared wireless/network resources, thereby utilizing orthogonal resources only to transmit the sub-signal classes intended for each user. Users partially reconstruct and partially synthesize the signal by combining the received intended classes with non-intended classes locally synthesized by a generative model from the semantic map. We derive the rate-distortion/perception curves for reconstruction/synthesis with the generative model, to adaptively set compression rates for the semantic map and intended classes. Generative multicasting significantly reduces the wireless/network resources required for existing/emerging multimedia multicasting applications. The system is real-time on a Google Coral Edge TPU with 4 TOPS (int8). This is the first demonstration of generative multicasting representing a substantial advancement in on-device generative SemCom.
- Abstract（参考訳）: デバイス上での意図認識型セマンティック分解による生成マルチキャストのデモを行う。
送信機では、DNNベースのセグメンテーションがソースビデオからセマンティックマップを抽出し、マルチユーザ受信意図に基づいて複数のサブシグナルクラスに分解する。
送信機は、共有無線/ネットワークリソースを介して、すべてのユーザに対してセマンティックマップをブロードキャストする。
ユーザは、受信した意図するクラスを意味マップから生成モデルによって局所的に合成された意図しないクラスと組み合わせて、部分的に再構成し、部分的に合成する。
生成モデルを用いて再構成・合成するための速度歪み/知覚曲線を導出し,意味マップと意図するクラスに対する圧縮率を適応的に設定する。
生成的マルチキャストは、既存のマルチメディアマルチキャストアプリケーションに必要な無線/ネットワークリソースを大幅に削減する。
このシステムは、4TOPS (int8) のGoogle Coral Edge TPU上でリアルタイムに動作する。
これは、デバイス上で生成するSemComの大幅な進歩を表す生成的マルチキャストの最初のデモンストレーションである。
関連論文リスト
- An Efficient vLLM-Based Inference Pipeline for Unified Audio Understanding and Generation [63.50393485685279]
音声の理解と生成を統一する vLLM ベースの推論パイプラインを提案する。
共有直観自由誘導(CFG)のスループットを克服する。
連続バッチ内でペア条件と非条件要求を共スケジューリングすることにより、CFGの実装は、非CFGスループットの80%を維持できます。
論文 参考訳（メタデータ） (2026-07-02T12:55:11Z) - Communicate Less, Synthesize the Rest: Latency-aware Intent-based Generative Semantic Multicasting with Diffusion Models [45.73113352988143]
我々は,事前学習した拡散モデルを用いた意図認識型セマンティック・マルチキャスト・フレームワークを開発した。
提案するフレームワークでは,送信機は複数のユーザ意図に基づいて,ソース信号を複数のセマンティッククラスに分解する。
シミュレーションの結果,非生成型および意図不明なマルチキャストベンチマークと比較すると,ユーザ毎のレイテンシが有意に低減された。
論文 参考訳（メタデータ） (2024-11-04T17:58:54Z) - Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。
実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
論文 参考訳（メタデータ） (2024-07-26T02:34:25Z) - Neural Network Diffusion [45.851945143942885]
拡散モデルはランダムノイズから潜在表現を合成するために訓練される。
このモデルは次に新しい表現を生成し、オートエンコーダのデコーダを通過してハイパフォーマンスなネットワークパラメータの新しいサブセットを生成する。
論文 参考訳（メタデータ） (2024-02-20T16:59:03Z) - Channel-Feedback-Free Transmission for Downlink FD-RAN: A Radio Map based Complex-valued Precoding Network Approach [21.53419874372417]
本稿では,物理層フィードバックに頼ることなく,新しい伝送方式を提案する。
具体的には,無線地図に基づく複合値プリコーディングネットワーク(RMCPNet)モデルを設計し,ユーザ位置に基づいて基地局プリコーディングを出力する。
提案手法をパブリックなDeepMIMOデータセット上で評価し,RMCPNetが16%,76%の性能改善を実現可能であることを示す。
論文 参考訳（メタデータ） (2023-11-30T02:41:04Z)
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。