論文の概要: FRESHLATENT: Channel-Aware Latent Adaptation for Resource-Constrained Embodied VLM Perception
- arxiv url: http://arxiv.org/abs/2609.30629v1
- Date: Thu, 24 Sep 2026 23:32:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.157874
- Title: FRESHLATENT: Channel-Aware Latent Adaptation for Resource-Constrained Embodied VLM Perception
- Title（参考訳）: FRESHLATENT:資源拘束型VLM知覚のためのチャネル認識遅延適応
- Abstract要約: 本稿では、無線汚損による電力正規化エンコーダデコーダをトレーニングする、軽量チャネル対応潜時アダプタFreshLatentを紹介する。
0dBと最も厳しい通信予算で、FreshLatentは、それぞれ20.79ポイントと20.87ポイントのクリーンスプリット圧縮により、gIoUとcIoUを改善している。
- 参考スコア（独自算出の注目度）: 4.0419031887353
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mission-critical UAVs increasingly rely on split vision-language model (VLM) perception under tight onboard-resource and wireless-communication constraints. However, corruption of transmitted intermediate features creates a deployment mismatch for clean-trained split interfaces, while stronger channel-aware codecs can impose substantial onboard cost. We present FreshLatent, a lightweight channel-aware latent adapter that trains a power-normalized encoder-decoder through wireless corruption while keeping the surrounding VLM frozen. We formulate deployment around a mission-conditioned perception requirement and embedded interface cost, linking channel quality and communication budget to the operating conditions under which perception remains usable. At 0 dB and the tightest communication budget, FreshLatent improves gIoU and cIoU over clean split compression by 20.79 and 20.87 points, respectively. At the most adverse evaluated SNR (0 dB), across all three communication budgets, FreshLatent recovers 63.5-69.1% of the gIoU improvement achieved by a much heavier, range-trained feature-JSCC codec. On an NVIDIA Jetson AGX Xavier in 10-W mode, FreshLatent uses 37-40x fewer encoder parameters, 7.7-9.9x lower edge-interface latency, and 8.8-10.0x lower edge-interface energy than the heavier codec. Together, these results show that lightweight channel-aware adaptation can recover a substantial fraction of the robustness of a much larger communication interface while broadening quality-valid operation under constrained wireless conditions.
- Abstract（参考訳）: ミッションクリティカルなUAVは、厳密なオンソースおよび無線通信制約下での分割視覚言語モデル(VLM)の認識にますます依存している。
しかし、送信中間機能の破損は、クリーントレーニングされたスプリットインターフェースのデプロイメントミスマッチを発生させる一方、より強力なチャネル認識コーデックは、相当なコストがかかる可能性がある。
本稿では、無線デコーダをトレーニングし、周囲のVLMを凍結させながら、無線の破損を防止できる、軽量なチャネル対応潜伏アダプタFreshLatentを提案する。
ミッション条件付き知覚要求と組込みインタフェースコストの周囲への展開を定式化し、チャネル品質と通信予算を、認識が引き続き使用可能な操作条件にリンクする。
0dBと最も厳しい通信予算で、FreshLatentは、それぞれ20.79ポイントと20.87ポイントのクリーンスプリット圧縮により、gIoUとcIoUを改善している。
3つの通信予算の中で最も悪い評価を受けたSNR (0 dB)では、FreshLatentは、より重く訓練されたJSCCコーデックによって達成されたgIoUの改善の63.5-69.1%を回復する。
10WモードのNVIDIA Jetson AGX Xavierでは、FreshLatentは37-40倍のエンコーダパラメータ、7.7-9.9倍のエッジインターフェースレイテンシ、および8.8-10.0倍のエッジインターフェースエネルギーを使用する。
これらの結果から,より大きな通信インタフェースのロバスト性のかなりの部分を取り戻すと同時に,制約された無線条件下での品質検証操作を拡張できることが示唆された。
関連論文リスト
- Information Capacity of Generative Video Compression: Quantifying the Rate-Compute Exchange at Identical Quality [55.74509503975397]
生成ビデオ圧縮(GVC)は、超低帯域幅のコンパクトトークンを送信することで、この交換を具現化する。
デコーダの計算単位が実際にどれだけの帯域節約を達成できるかは、まだ定量化されていない。
14Bデコーダが1.3Bデコーダの約10倍の効率でより少ないレートでより多くの計算を処理していることを示す。
論文 参考訳（メタデータ） (2026-09-23T07:56:15Z) - Generative Transmission: Rethinking Computation, Bandwidth, and Memory in Communication [50.47339685860709]
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。
論文 参考訳（メタデータ） (2026-07-20T02:11:26Z) - Boosting Neural Video Codec via Scale-Driven Online Flow Refinement [59.68390983151205]
本稿では,訓練不要なスケール駆動型オンラインフローリファインメント(SOFR)手法を提案する。
ワープ精度に応じて粗さや微細なスケールからの動作情報を融合し、動作推定誤差を効果的に補正する。
PSNRとMS-SSIMでそれぞれ平均2.84%と4.05%の貯蓄がある。
論文 参考訳（メタデータ） (2026-06-22T08:36:23Z) - Transformer-Based MCS Prediction for 5G Multicast-Broadcast Services (MBS) [7.094650278617499]
ビデオセグメントの水平線上で28のMCS指標が成功する確率を予測する軽量なTransformerベースのフレームワークを提案する。
提案手法は信頼性スコア86.89%を達成し、生スループットに最適化された標準AIベースラインを大幅に上回っている。
このモデルはリアルタイムアプリケーションに最適化されており、COTS 5G時代のスマートフォン上では0.07ミリ秒未満の推測時間を示す。
論文 参考訳（メタデータ） (2026-05-16T01:10:55Z) - TAFA-GSGC: Group-wise Scalable Point Cloud Geometry Compression with Progressive Residual Refinement [62.57701599278593]
TAFA-GSGCは,単一ビットストリームと単一トレーニングモデルからのマルチ品質デコードを可能にするスケーラブルな学習ポイントクラウドジオメトリである。
ベースラインのPCGCv2と比較すると、TAFA-GSGCはRDのパフォーマンスが同等で若干向上し、平均BD-RateはD1で-4.99%、D2で-5.92%の節約を達成した。
論文 参考訳（メタデータ） (2026-04-30T15:57:59Z) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - SAFT: Sensitivity-Aware Filtering and Transmission for Adaptive 3D Point Cloud Communication over Wireless Channels [19.663306099798323]
感性認識型フィルタリング・伝送(SAFT)について紹介する。
Point-BERTにインスパイアされたエンコーダ、感度誘導型トークンフィルタリングユニット、量子化ブロック、適応的再構成のためのSNR対応デコーダを統合する。
ShapeNet, ModelNet40, 8iVFB の実験では、SAFT はソースチャネルの別のパイプラインと比較して幾何学的忠実度(D1/D2 PSNR)を向上している。
論文 参考訳（メタデータ） (2026-03-27T09:18:04Z) - LRConv-NeRV: Low Rank Convolution for Efficient Neural Video Compression [2.7920304852537527]
提案するLRConv-NeRVは,高密度な3x3畳み込み層を低ランク分離型畳み込みに置き換える,効率的なNeRV変種である。
実験では、LRConvを最終デコーダ段階のみに適用するとデコーダの複雑さが68%減少することを示した。
その結果、LRConv-NeRVは、低精度かつリソース制約の条件下での効率的なニューラルビデオデコーディングの潜在的なアーキテクチャ上の代替品として確立された。
論文 参考訳（メタデータ） (2026-03-18T20:31:59Z) - WaveComm: Lightweight Communication for Collaborative Perception via Wavelet Feature Distillation [7.524867292774759]
WaveCommはウェーブレットベースの通信フレームワークで、低帯域幅のシナリオにおけるセンシング性能を保ちながら、送信負荷を大幅に削減します。
WaveCommの中核となる革新は、離散ウェーブレット変換(DWT)を用いて特徴マップを分解することにある。
OPV2VとDAIR-V2XデータセットによるLiDARベースおよびカメラベースの知覚タスクの実験により、WaveCommは、通信容量が元の86.3%と87.0%に減少しても、最先端のパフォーマンスを維持していることが示された。
論文 参考訳（メタデータ） (2026-03-09T12:01:37Z) - 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) - Resi-VidTok: An Efficient and Decomposed Progressive Tokenization Framework for Ultra-Low-Rate and Lightweight Video Transmission [35.3961976297755]
Resi-VidTokは、超低レートで軽量なビデオ伝送のためのレジリエント・トークン化対応フレームワークである。
重要なコントリビューションは、差分時間トークンコーディングを統合するビデオのためのレジリエントな1Dトークン化パイプラインである。
その結果, チャネル帯域幅比 (CBR) が0.0004, 30fps以上のリアルタイム再構成では, 頑健な視覚的・意味的整合性を示した。
論文 参考訳（メタデータ） (2025-10-28T22:02:36Z)
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。