論文の概要: Multi-Source and Multi-Dimensional Information Fusion in Resource-Constrained Edge Networks
- arxiv url: http://arxiv.org/abs/2610.13298v1
- Date: Fri, 09 Oct 2026 09:45:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.509432
- Title: Multi-Source and Multi-Dimensional Information Fusion in Resource-Constrained Edge Networks
- Title（参考訳）: 資源制約エッジネットワークにおける多音源・多次元情報融合
- Abstract要約: 本稿では,資源制約下での端末アップロードとエッジ側融合を協調するマルチソース・多次元意味情報融合フレームワークを提案する。
トークン・ツー・スロットの繰り返し代入とスロット・ツー・トークンのフィードバックによって,意味コンテンツと利用可能なトークン属性を組み合わせるHyper-Slotを開発した。
実験の結果、Hyper-SlotはmAPを3.66ポイント改善し、RSumを15.9ポイント改善した。
- 参考スコア（独自算出の注目度）: 5.26430735968484
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-source semantic information fusion enables edge networks to support global inference using observations collected by distributed terminals. However, limited communication and computation resources restrict semantic uploading, leaving the edge server with incomplete tokens that differ in modality, semantic granularity, arrival time, and channel condition. The value of these tokens also depends on the complementary or redundant information provided by other terminals. In this paper, we propose a multi-source and multi-dimensional semantic information fusion framework that coordinates terminal uploading and edge-side fusion under resource constraints. We develop Hyper-Slot to combine semantic content with available token attributes through iterative token-to-slot assignment and slot-to-token feedback, producing a compact representation for global inference. To encourage useful semantic uploading, we further design a contribution-based incentive mechanism that uses Hyper-Slot assignments to evaluate information coverage and cross-type complementarity. A bi-level Stackelberg-Nash game determines the server reward pool and terminal transmission-quality strategies while accounting for computation and communication energy costs. Experiments on a tri-modal extension of COCO2014 and image-text retrieval on Flickr30K show that Hyper-Slot improves mAP by 3.66 percentage points and RSum by 15.9 points over the strongest evaluated baselines, respectively, while reducing the number of parameters by more than 80% compared with a naive concatenation-based fusion baseline.
- Abstract（参考訳）: マルチソースセマンティック情報融合により、エッジネットワークは、分散端末によって収集された観測を用いて、グローバルな推論をサポートすることができる。
しかし、限られた通信と計算資源はセマンティックアップロードを制限し、エッジサーバにはモダリティ、セマンティックな粒度、到着時間、チャンネル条件が異なる不完全なトークンが残されている。
これらのトークンの値は、他の端末が提供する補完的または冗長な情報にも依存する。
本稿では,資源制約下での端末アップロードとエッジ側融合を協調するマルチソース・多次元意味情報融合フレームワークを提案する。
提案手法は,グローバルな推論のためのコンパクトな表現を生成するために,反復的なトークン・ツー・スロットの割り当てとスロット・ツー・トークンのフィードバックによって,セマンティックコンテンツと利用可能なトークン属性を結合するHyper-Slotを開発した。
有用なセマンティックアップロードを促進するために,情報カバレッジとクロスタイプ補完性を評価するためにHyper-Slot代入を用いたコントリビューションベースのインセンティブメカニズムを設計する。
双方向のStackelberg-Nashゲームは、計算と通信エネルギーコストを考慮してサーバ報酬プールと端末送信品質の戦略を決定する。
COCO2014のトリモーダル拡張とFlickr30Kでの画像テキスト検索の実験は、ハイパースロットがmAPを3.66ポイント改善し、RSumが15.9ポイント改善したことを示している。
関連論文リスト
- Robust Multimodal Recommendation via Graph Retrieval-Enhanced Modality Completion [71.20734649881258]
実世界のマルチモーダルデータセットは、センサーの故障、アノテーションの不足、プライバシーの制約によって、しばしばモダリティの不完全性に悩まされる。
効果的な解決策の1つはモダリティ補完であり、下流タスクのためのモダリティ完全グラフを提供するために欠落した特徴を再構成する。
本稿では,これらの制限を克服するグラフ検索拡張モード補完フレームワークであるGRE-MCを提案する。
論文 参考訳（メタデータ） (2026-05-01T13:50:52Z) - Prototype-Based Information Compensation Network for Multi-Source Remote Sensing Data Classification [56.065032039986725]
マルチソースリモートセンシングデータ共同分類は、土地被覆分類の精度と信頼性を提供することを目的としている。
既存の手法では、周波数間マルチソース特徴結合と相補的な情報探索の不整合という2つの課題に直面している。
HSIとSAR/LiDARデータに基づく土地被覆分類のためのプロトタイプベース情報補償ネットワーク(PICNet)を提案する。
論文 参考訳（メタデータ） (2025-05-06T22:30:23Z) - A Semantic-Aware and Multi-Guided Network for Infrared-Visible Image Fusion [41.34335755315773]
本稿では、相関駆動型分解特徴のモデル化と高レベルグラフ表現の理由について論じる。
本稿では,3分岐エンコーダデコーダアーキテクチャと,それに対応する融合層を融合戦略として提案する。
可視・近赤外画像融合と医用画像融合タスクにおける最先端手法と比較して, 競争力のある結果を示す実験を行った。
論文 参考訳（メタデータ） (2024-06-11T09:32:40Z) - FedFusion: Manifold Driven Federated Learning for Multi-satellite and
Multi-modality Fusion [30.909597853659506]
本稿では,各クライアント上の局所データをランダムにサンプリングし,各クライアントの浅い特徴の顕著な多様体構造を共同で推定する,多様体駆動多モード融合フレームワークであるFedFusionを提案する。
衛星コンステレーションの物理空間制限を考慮し、深層潜伏空間における多様体データに特化して設計されたマルチモーダル・フェデレーション学習モジュールを開発した。
提案フレームワークは,従来の3つのマルチモーダルデータセットの性能を上回り,通信コストを4.5%圧縮しながら,分類平均精度94.35$%を実現している。
論文 参考訳（メタデータ） (2023-11-16T03:29:19Z) - HyperFormer: Enhancing Entity and Relation Interaction for
Hyper-Relational Knowledge Graph Completion [25.399684403558553]
ハイパーリレーショナル知識グラフ(HKG)は、属性値の等式をトリプルに関連付けることによって、標準的な知識グラフを拡張する。
本稿では,三重項の実体,関係,等化子の内容をエンコードする局所レベルシーケンシャル情報を考慮したモデルであるHyperFormerを提案する。
論文 参考訳（メタデータ） (2023-08-12T09:31:43Z) - Multi-interactive Feature Learning and a Full-time Multi-modality
Benchmark for Image Fusion and Segmentation [66.15246197473897]
多モード画像融合とセグメンテーションは、自律走行とロボット操作において重要な役割を果たす。
画像融合とtextbfSegmentation のための textbfMulti-textbfinteractive textbfFeature Learning アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-08-04T01:03:58Z) - Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。
具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文 参考訳（メタデータ） (2023-05-17T14:30:11Z) - Performance Optimization for Semantic Communications: An Attention-based
Reinforcement Learning Approach [187.4094332217186]
テキストデータ伝送のためのセマンティック通信フレームワークを提案する。
回復したテキストの意味的精度と完全性を共同でキャプチャする意味的類似度尺度(MSS)を提案する。
論文 参考訳（メタデータ） (2022-08-17T11:39:16Z) - LC3Net: Ladder context correlation complementary network for salient
object detection [0.32116198597240836]
我々は,新しいラグコンテキスト相関補完ネットワーク (LC3Net) を提案する。
FCBはフィルタリング可能な畳み込みブロックであり、初期特徴の多様性に関する情報の自動収集を支援する。
DCMは、異なるレベルの特徴の密集を促進するための密接なクロスモジュールである。
BCDは双方向圧縮デコーダであり、マルチスケール機能の段階的縮小を支援する。
論文 参考訳（メタデータ） (2021-10-21T03:12:32Z) - Specificity-preserving RGB-D Saliency Detection [103.3722116992476]
本稿では,RGB-Dサリエンシ検出のための特異性保存ネットワーク(SP-Net)を提案する。
2つのモダリティ特化ネットワークと共有学習ネットワークを採用し、個別および共有唾液マップを生成する。
6つのベンチマークデータセットの実験では、SP-Netは他の最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2021-08-18T14:14:22Z)
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。