Jun, 2023

生成语义通信：超越比特恢复的扩散模型

PDF
TL;DR本研究提出了一种新颖的扩散引导框架的语意通信，通过高度压缩的语意信息来降低带宽使用，然后利用扩散模型从这些去噪的语意信息中学习合成语义一致的场景，从而生成保留语义信息的高质量图像。
semantic communicationdiffusion-guided frameworkmultimedia contentsemantic featuresbandwidth usage
发现论文，激发创造
  • 使用深度生成模型重新考虑多用户语义通信

    在这篇文章中，我们提出了一个新的生成语义通信框架，针对多用户场景进行了优化，利用扩散模型在接收方填充丢失的信息，通过彻底的实验评估展示了这种创新性的扩散模型的能力和所提出框架的有效性，为基于 GenAI 的下一代通信发展指明了方向。

    May, 2024

  • 生成 AI 遇见语义传播：通信任务的演变与革命

    通过深度生成模型在语义通信中的应用，揭示了其在未来通信框架中的革命性作用，为新兴应用和任务提供了前所未有的机会，并分析了专门针对通信系统开发生成模型的挑战和机遇。

    Jan, 2024

  • 资源有限网络中基于多模态相似度估计的图像生成语义传播

    该研究提出了一种基于多模态语义信息传输的图像传输方法，通过提取多模态语义信息并传输，接收方使用图像生成模型生成多张图像，并根据语义相似性进行选择。研究探索了评估原始图像和生成图像的语义特征相似性的新指标，并表明所提出的方法可促进通过移动网络进行各种服务应用的照片的传输与利用。

    Apr, 2024

  • 深度生成模型在语义交流中的增强 ——ICASSP 特别专题综述

    语义通信在未来的人工智能驱动通信系统中扮演关键角色，通过深度生成模型来从原始复杂内容中提取语义信息并在接收端重新生成语义一致的数据，使得其对信道干扰具有鲁棒性。本文概述了语义通信面临的挑战，并揭示了深度生成模型如何显著增强语义通信框架，处理现实世界中的复杂数据、提取和利用语义信息以及对信道干扰具有鲁棒性。此外，本文还为下一代生成式语义通信框架提供了新的研究路径。

    Sep, 2023

  • 人工智能物联网的深度图像语义通信模型

    提出了一种用于 AIoT 中高效图像通信的新型深度图像语义通信模型，通过语义分割算法实现对图像的高精度语义信息提取以实现图像数据的显著压缩，通过基于生成对抗网络的语义图像恢复算法将语义图像转换为具有详细信息的实景图像，结果表明，与 WebP 和 CycleGAN 相比，所提出的图像语义通信模型在图像压缩比和恢复准确度上平均分别提高了 71.93% 和 25.07％，而且与原始图像传输相比，我们的演示实验证明该模型可以将传输中的总延迟减少了 95.26％。

    Nov, 2023

  • Diff-GO：扩散目标导向通信实现超高频谱效率

    基于扩散模型的生成人工智能为超高频谱效率与准确恢复传输图像信号提供了新的框架，通过计算和带宽效率权衡的方式，实现了卓越的计算 - 带宽平衡。

    Nov, 2023

  • 考虑语义模糊性和信道噪声的实时语义沟通的潜在扩散模型

    该研究基于潜在扩散模型构建了一种语义交流系统，并通过三项改进，即异常值鲁棒编码器、轻量级单层潜在空间转换适配器和端到端一致性精炼策略，证明了该系统对异常值的稳健性、在未知分布数据传输中的适应能力以及保持高人类感知质量的实时信道去噪任务能力，优于现有的去噪方法。

    Jun, 2024

  • 逐步文本到图像生成的序贯语义生成通信

    该论文提出了一种新的通信系统框架，利用多模式生成模型的优势生成有前途的代沟能力。我们的主要研究方向是基于图像到文本转换和顺序传输单词令牌的通信系统设计，旨在为实际通信系统利用最先进的生成模型铺平新的道路。

    Sep, 2023

  • 面向语言的图像传输的语义潜空间表示

    基于语言的语义通信框架通过语言 - 图像编码和图像 - 语言解码，以及潜在扩散模型，实现了在嘈杂通信渠道中以较高的感知相似度重建预期图像的能力。

    May, 2024

  • 通用 AI 辅助的无需联合训练的安全语义通信生成

    提出了一种利用生成人工智能辅助的语义通信系统，采用多模型提示的方法来实现准确的内容解码，并通过生成扩散模型辅助进行覆盖通信，最终实现源信息的成功和安全传输。

    Sep, 2023