論文の概要: TwinViT-DeepJSCC: Adversarially Robust Semantic Image Communication
- arxiv url: http://arxiv.org/abs/2610.08590v1
- Date: Tue, 06 Oct 2026 15:57:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:30.097699
- Title: TwinViT-DeepJSCC: Adversarially Robust Semantic Image Communication
- Title（参考訳）: TwinViT-DeepJSCC:Adversarially Robust Semantic Image Communication
- Abstract要約: 学習に基づくセマンティックコミュニケーションは、セマンティックエンコーディングや無線チャネルよりも先に導入された敵の摂動に対して脆弱である。
本稿では,固定チャネル利用予算の下で動作する予防的補正型セマンティックイメージトランシーバであるTwinViT-DeepJSCCを提案する。
TwinViT-DeepJSCCはチャネル利用と攻撃の予算が一致し、最大信号対雑音比(PSNR)は約9.5dBに達する。
- 参考スコア（独自算出の注目度）: 16.251239119986348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning-based semantic communication is vulnerable to adversarial perturbations introduced before semantic encoding or over wireless channels. This paper proposes TwinViT-DeepJSCC, a preventive-corrective semantic image transceiver operating under a fixed channel-use budget. Two Vision Transformer (ViT)-based deep joint source-channel coding (DeepJSCC) branches learn complementary latent representations protected by sensitivity-aware masking. At the receiver, confidence-aware fusion, blind corruption-severity estimation, and signal-to-noise ratio (SNR)-severity-conditioned denoising diffusion implicit model (DDIM) purification mitigate residual corruption without requiring attack metadata. Experiments on the Canadian Institute for Advanced Research 100-class (CIFAR-100) dataset consider fast gradient sign method (FGSM), projected gradient descent (PGD), natural evolution strategies (NES), and Carlini-Wagner (CW) source-domain attacks, as well as random jamming and channel-aware adversarial waveforms over additive white Gaussian noise (AWGN) and block-flat Rayleigh fading. Under matched channel-use and attack budgets, TwinViT-DeepJSCC achieves maximum peak signal-to-noise ratio (PSNR) gains of approximately 9.5 dB under 20-step PGD and 10.8 dB under channel-aware waveform attacks over block-flat Rayleigh fading. Under PGD, it also improves Top-1 accuracy by up to approximately 38 percentage points over the undefended baseline and 13 percentage points over the strongest competing defense. Ablation results confirm the complementary contributions of the proposed transmitter- and receiver-side mechanisms.
- Abstract（参考訳）: 学習に基づくセマンティックコミュニケーションは、セマンティックエンコーディングや無線チャネルよりも先に導入された敵の摂動に対して脆弱である。
本稿では,固定チャネル利用予算の下で動作する予防的補正型セマンティックイメージトランシーバであるTwinViT-DeepJSCCを提案する。
Two Vision Transformer (ViT) ベースのディープジョイントソースチャネル符号化 (DeepJSCC) ブランチは、感度対応マスキングによって保護される補完的な潜在表現を学習する。
受信機では、信頼認識融合、ブラインド汚職重大度推定、信号対雑音比(SNR)重大度重畳拡散暗黙的モデル(DDIM)の浄化により、攻撃メタデータを必要とせずに残留汚損を軽減できる。
カナダ先進研究所100級(CIFAR-100)データセットの実験では、高速勾配法(FGSM)、投射勾配降下法(PGD)、自然進化戦略(NES)、カルリーニ・ワグナー(CW)ソースドメイン攻撃、および付加的な白色ガウス雑音(AWGN)およびブロックフラットレイリーフェーディング(英語版)に対するランダム妨害およびチャネル認識逆方向波形が検討されている。
TwinViT-DeepJSCCは、20ステップPGDで9.5dB、ブロックフラットレイリーフェディングで10.8dBのピーク信号/ノイズ比(PSNR)を達成する。
PGDでは、無防備のベースラインで最大38ポイント、最強の守備で13ポイント、Top-1の精度も向上している。
アブレーションの結果は,送信側および受信側機構の相補的寄与を裏付けるものである。
関連論文リスト
- Channel-Adaptive Region Adjacency Graph Carriers for Semantic Image Communication [1.7849339006560665]
本研究は,チャネル適応RAG(CA-RAG)と呼ばれるセグメンテーション由来の領域隣接グラフ(RAG)キャリアを導入する。
Cityscapesでは、プレチャネルRAGペイロードは圧縮されたクラスインデックスレイアウトの何倍も小さい。
論文 参考訳（メタデータ） (2026-09-13T15:46:46Z) - SignDeepSC: A Semantic Signature-based Approach for Robust Semantic Communication [4.042562775811428]
SignDeepSCは、トレーニング中に対向的なサンプル生成を必要とせずに、対向的な堅牢性を達成するアーキテクチャ防衛である。
システムは、受信者インスパイアされたセマンティックシグネチャの上に構築され、ソース特徴のコンパクトなベクトル概要が別々の低レート補助チャネルで送信される。
論文 参考訳（メタデータ） (2026-07-28T12:54:13Z) - LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。
本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
論文 参考訳（メタデータ） (2026-05-13T14:14:13Z) - 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) - Where, What, Why: Toward Explainable 3D-GS Watermarking [24.13795691386156]
3D Gaussian Splattingはインタラクティブな3Dアセットのデファクト表現である。
品質の保存方法から書き方を分離する表現ネイティブフレームワークを提案する。
最先端手法と比較して,PSNRは+0.83dB,ビット精度は+1.24%向上した。
論文 参考訳（メタデータ） (2026-03-09T18:05:27Z) - BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。
両課題に対処する統合フレームワークであるBadCLIP++を提案する。
ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。
持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
論文 参考訳（メタデータ） (2026-02-19T08:31:16Z) - HSCP: A Two-Stage Spectral Clustering Framework for Resource-Constrained UAV Identification [16.880773405024126]
本稿では,階層型スペクトルクラスタリング・プルーニングフレームワークHSCPを紹介する。
層プルーニングとチャネルプルーニングを組み合わせることで、極端な圧縮、高性能、効率的な推論を実現する。
UAV-M100ベンチマークの実験は、HSCPが既存のチャネルおよび層プルーニング法より優れていることを示した。
論文 参考訳（メタデータ） (2025-12-05T16:03:53Z) - SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。
対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2025-11-03T11:24:06Z) - Corruption-Aware Training of Latent Video Diffusion Models for Robust Text-to-Video Generation [8.459934554810886]
遅延ビデオ拡散モデル(LVDM)は高品質な生成を実現するが、不完全な条件付けに敏感である。
CAT-LVDMは、構造化されたデータ整合性ノイズ注入によるロバスト性を改善するLVDMの最初の汚職対応トレーニングフレームワークである。
BCNIはWebVid-2M、MSR-VTT、MSVDでFVDを31.9%削減し、SACNはUCF-101で12.3%改善した。
論文 参考訳（メタデータ） (2025-05-24T20:11:14Z) - Over-the-Air Federated Learning with Privacy Protection via Correlated
Additive Perturbations [57.20885629270732]
我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。
従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。
本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
論文 参考訳（メタデータ） (2022-10-05T13:13:35Z)
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。