MMNov, 2023

Diff-GO：扩散目标导向通信实现超高频谱效率

PDF
TL;DR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。
artificial intelligencediffusion modelultra-efficient communication designgenerative aibandwidth efficiency
发现论文，激发创造
  • WiGenAI: 无线通信与生成式人工智能的交融：扩散模型的交响乐

    使用生成式人工智能 (generative AI)、扩散模型 (diffusion models) 和去噪扩散概率模型 (DDPM) 研究了其在无线通信系统中的应用，并提出了具有鲁棒性的 AI 原生通信系统的发展方向与开放问题。

    Oct, 2023

  • 生成语义通信：超越比特恢复的扩散模型

    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。

    Jun, 2023

  • 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

  • 基于生成式 AI 的概率星座成型与扩散模型

    利用扩散模型的生成人工智能能力，提升通信系统中星座符号的 PHY 设计，以改善信息速率和解码性能，并且在低信噪比和非高斯假设情况下具有网络弹性和鲁棒性。

    Nov, 2023

  • 数据驱动的黑箱优化扩散模型

    基于扩散模型的条件采样方法，在黑盒优化中生成接近最佳解且保留设计的潜在结构，通过建立理论模型和进行实验验证，证明了奖励导向扩散模型在黑盒优化中的效率和准确性。

    Mar, 2024

  • 面向应用数学家的生成人工智能扩散模型简介

    生成人工智能是指生成合成但逼真的输出的算法。扩散模型在图像生成人工智能中目前达到最高水平，并在包括文本到图像生成器和大型语言模型在内的更通用工具中起着关键作用。

    Dec, 2023

  • 硬件受损通信系统的去噪扩散概率模型：朝着无线生成 AI

    本文提出了基于去噪扩散概率模型的无线通信方案，旨在解决实际应用中的硬件损伤、信道失真和量化误差等非理想因素，提供低信噪比下的网络韧性、对不同硬件损伤水平和量化误差的近不变重建性能，以及抵抗非高斯噪声的强大分布外表现，并通过余弦相似度和均方误差（MSE）评估与传统深度神经网络（DNN）接收机相比的超过 25 dB 改进的重建性能。

    Oct, 2023

  • 目标导向的语义通信与失真率弹性的联合通信和计算框架

    基于率失真理论，该研究提出一种创新方法，分析沟通和语义压缩引起的失真，以评估其对人工智能模型性能的影响，并预先估计 AI 任务的经验性准确性，从而使目标导向的语义沟通问题成为可能。

    Sep, 2023

  • 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

  • 用于生成性语音增强的单步和少步扩散

    通过两阶段训练方法，我们解决了扩散模型在语音增强中的潜在问题，实现了与基准模型相当的性能，缩短了推理过程时间，并显著优于扩散基线模型。

    Sep, 2023