論文の概要: Beyond Token Accuracy: Prioritizing What Matters for Visual Reconstruction
- arxiv url: http://arxiv.org/abs/2610.03822v1
- Date: Fri, 02 Oct 2026 04:28:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 05:01:24.290519
- Title: Beyond Token Accuracy: Prioritizing What Matters for Visual Reconstruction
- Title（参考訳）: トークンの精度を超えて - 視覚再建に何が必要かの優先順位付け
- Abstract要約: AdapToCは適応型、再構成指向の視覚情報通信フレームワークである。
一致した通信コストの下では、最強の静的ベースラインよりも4.20dBのPSNRのピーク平均ゲインを達成する。
- 参考スコア（独自算出の注目度）: 24.892724199104066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tokens have become a unified interface for multimodal foundation models, making visual-token communication a natural paradigm for efficient image delivery. However, existing methods typically rely on static policies that cannot jointly adapt to image content and channel conditions. Moreover, their token-level utility objectives do not necessarily translate into improved image reconstruction quality. In this paper, we propose AdapToC, an adaptive, reconstruction-oriented visual-token communication framework. At the transmitter, an adaptive selector jointly models image content, channel state, and communication budget to perform instance-wise resource allocation. Rather than using a fixed token rate and protection policy, it dynamically determines how many tokens should be transmitted and assigns different protection levels according to token importance and current channel conditions. At the receiver, an adaptive MaskGIT receiver incorporates channel reliability into contextual token modeling. It distinguishes tokens with different reliability levels, preserves high-confidence observations, corrects potentially corrupted tokens, and iteratively reconstructs missing content from the received evidence and global visual context. By co-designing token quantity, unequal protection, and reliability-aware recovery for image-level reconstruction quality, AdapToC achieves a peak mean PSNR gain of 4.20 dB over the strongest static baseline under matched communication costs and state-of-the-art performance among the evaluated visual-token communication methods.
- Abstract（参考訳）: トークンはマルチモーダル基盤モデルの統一インターフェースとなり、視覚情報通信は効率的な画像配信の自然なパラダイムとなっている。
しかし、既存の手法は一般的に画像の内容やチャネル条件に適応できない静的ポリシーに依存している。
さらに、トークンレベルの実用目的は、必ずしも画像再構成品質の改善に変換されない。
本稿では適応型・再構成型視覚情報通信フレームワークAdapToCを提案する。
送信機において、適応セレクタは、画像内容、チャネル状態、通信予算を共同でモデル化し、インスタンス単位のリソース割り当てを行う。
固定トークンレートと保護ポリシーを使用する代わりに、トークンの送信数を動的に決定し、トークンの重要性と現在のチャネル条件に応じて異なる保護レベルを割り当てる。
受信機において、適応型MaskGIT受信機は、チャネル信頼性をコンテキストトークンモデリングに組み込む。
異なる信頼性レベルを持つトークンを識別し、高信頼の観察を保存し、潜在的に破損したトークンを訂正し、受信した証拠とグローバルな視覚的コンテキストから欠落したコンテンツを反復的に再構築する。
AdapToCは、トークン量、不平等保護、画像レベルの再構成品質に対する信頼性の高い回復を共同設計することにより、評価された視覚的トーケン通信方法のうち、最強の静的ベースラインに対して4.20dBのPSNRゲインをピーク平均とする。
関連論文リスト
- GAN-Based Semantic Communication for Image Transmission in IoV [6.095348773114754]
本稿では,従来の通信システムにおける効率性と忠実さのボトルネックに対処する,生成的対向的ネットワークに基づく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。
送信機では、ピラミッドアテンションネットワークを用いてセマンティックラベルマップを抽出し、セマンティック優先保存機構を導入する。
受信機において、画像再構成モジュールは、粗大で微細なマルチレゾリューションジェネレータとマルチスケールディスクリミネータを統合する。
提案手法は, セマンティックセグメンテーション精度と再構成画像品質の両方において, 既存のセマンティックセグメンテーションよりも優れている。
論文 参考訳（メタデータ） (2026-08-28T06:58:19Z) - TONIC: Token-Centric Semantic Communication for Task-Oriented Wireless Systems [14.091462200232835]
TONICは、タスク指向無線システムのためのトークン中心の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。
本フレームワークでは,送信側セマンティック・アウェア保護とレシーバ側信頼・アウェア・ゲーティングを組み合わせた。
論文 参考訳（メタデータ） (2026-05-20T11:49:11Z) - Adaptive Semantic Communication for Wireless Image Transmission Leveraging Mixture-of-Experts Mechanism [2.84822991919912]
MoEベースのセマンティックコミュニケーションはスパースで効率的な適応型アーキテクチャとして登場した。
マルチインプットマルチアウトプット(MIMO)チャネルのための新しいエンドツーエンド画像意味コミュニケーションシステムを提案する。
提案手法は,従来の適応手法の厳密な結合を破り,単一駆動ルーティングのボトルネックを克服することを示す。
論文 参考訳（メタデータ） (2026-04-03T03:35:09Z) - Communication-Inspired Tokenization for Structured Image Representations [74.17163003465537]
COMiT(Communication inspired Tokenization)は、構造化された視覚トークンシーケンスを学習するためのフレームワークである。
セマンティックアライメントが基盤となる一方で、解釈可能なオブジェクト中心のトークン構造を誘導するためには、注意的なシーケンシャルトークン化が重要であることを示す。
論文 参考訳（メタデータ） (2026-02-24T09:53:50Z) - Context-Aware Iterative Token Detection and Masked Transmission for Wireless Token Communication [20.850802765685145]
送信機(Tx)と受信機(Rx)の共用コンテキスト確率モデルを用いたコンテキスト対応トークン通信フレームワークを提案する。
我々は、高い予測可能なトークン送信をスキップして送信率を減少させるコンテキスト対応マスキング戦略を導入する。
論文 参考訳（メタデータ） (2026-01-25T10:10:51Z) - SafeRedir: Prompt Embedding Redirection for Robust Unlearning in Image Generation Models [67.84174763413178]
我々はSafeRedirを紹介した。SafeRedirは、迅速な埋め込みリダイレクトによる堅牢なアンラーニングのための軽量な推論時フレームワークである。
SafeRedirは,効果的な非学習能力,意味的・知覚的保存能力,堅牢な画像品質,対人攻撃に対する耐性の向上を実現している。
論文 参考訳（メタデータ） (2026-01-13T15:01:38Z) - Vision Transformer-based Semantic Communications With Importance-Aware Quantization [13.328970689723096]
本稿では、無線画像伝送のための重要量化(IAQ)を用いた視覚変換器(ViT)に基づくセマンティック通信システムを提案する。
筆者らのIAQフレームワークは, エラーのない, 現実的な通信シナリオにおいて, 従来の画像圧縮手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-12-08T19:24:47Z) - ImageFolder: Autoregressive Image Generation with Folded Tokens [51.815319504939396]
トークン長の増大は、画像再構成の品質を改善するための一般的なアプローチである。
トークン長に関する復元と生成品質の間にはトレードオフがある。
本稿では,自己回帰モデルにおいて折り畳み可能な空間整列型画像トークンを提供するセマンティック・トークンライザであるイメージを提案する。
論文 参考訳（メタデータ） (2024-10-02T17:06:39Z) - Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。
既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。
我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-07T14:32:36Z) - Image Quality Assessment using Contrastive Learning [50.265638572116984]
我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。
本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。
以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
論文 参考訳（メタデータ） (2021-10-25T21:01:00Z) - Learning Deep Interleaved Networks with Asymmetric Co-Attention for
Image Restoration [65.11022516031463]
本稿では,高品質(本社)画像再構成のために,異なる状態の情報をどのように組み合わせるべきかを学習するディープインターリーブドネットワーク(DIN)を提案する。
本稿では,各インターリーブノードにアタッチメントされた非対称なコアテンション(AsyCA)を提案し,その特性依存性をモデル化する。
提案したDINはエンドツーエンドで訓練でき、様々な画像復元タスクに適用できる。
論文 参考訳（メタデータ） (2020-10-29T15:32:00Z)
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。