Mar, 2024

自动驾驶车辆的多任务导向语义通信框架

PDF
TL;DR通过提出一种多任务语义通信框架，本研究旨在解决连接和自动驾驶汽车（CAV）中的语义通信问题。采用卷积自编码器（CAE）对道路交通标志进行语义编码，并通过卫星在低可视性天气条件下从一个 CAV 传输到另一个 CAV。同时，该框架还提出了用于图像重建和分类任务的任务导向语义解码器，模拟结果表明该框架在图像相似度和分类准确性方面优于传统方案，并通过发送更少的比特节省了高达 89% 的带宽。
task-oriented semantic communicationconnected and autonomous vehiclesconvolutional autoencoderimage reconstructionbandwidth optimization
发现论文，激发创造
  • 6G 是否将成为语义通信？来自任务导向和安全通信到集成感知的机遇和挑战

    通过多任务学习，本文探讨了以目标为导向和语义为基础的通信在下一代通信网络中的机遇和挑战。该方法使用深度神经网络，将专用的编码器部署在发送端，将多个任务特定的解码器共同部署在接收端，集中训练以处理包括语义信息保留、源输入重构和集成感知和通信在内的各种任务。通过将解码器部署在多个接收器上，采用去中心化学习，解决了通信负载和隐私问题，利用联邦学习技术在分布式节点之间分发模型更新。然而，该方法的有效性取决于所采用的深度学习模型的鲁棒性。我们审查了在训练和测试阶段可能产生的对抗性攻击的潜在漏洞，这些攻击旨在操纵编码器端的输入以及接收端空中接收到的信号，凸显了加固语义通信以防范潜在的多领域攻击的重要性。总体而言，在多任务学习框架中，任务导向通信、语义通信和集成感知与通信的共同鲁棒设计成为下一代网络系统中实现上下文感知、资源高效和安全通信的关键因素。

    Jan, 2024

  • 具有任务不知晓的发射机和动态数据的深度学习技术支持的语义通信系统

    本文提出了一种新的神经网络语义通信系统，包括语义编码网络和数据适应网络，通过传输学习中的域适应技术实现了针对动态数据环境下的任务不可知的图像传输，实验结果表明该方法在保持高性能的同时也能适应可观测数据集。

    Apr, 2022

  • 可扩展的车载网络语义通信的 AI 生成内容

    本论文介绍了一种利用神经网络编码 - 解码架构的可扩展的人工智能生成内容系统，通过将图像转化为文本表示并优化传输以实现语义通信，从而提高对盲区车辆的感知能力和有效压缩通信数据。

    Nov, 2023

  • MultiNet: 自主驾驶实时联合语义推理

    本文提出了一种联合分类、检测和语义分割的方法，其中编码器在三个任务之间共享。该方法非常简单，可以端到端训练，在具有挑战性的 KITTI 数据集中表现良好，在道路分割任务中优于现有技术。而且，我们的方法非常高效，执行所有任务只需要不到 100 毫秒。

    Dec, 2016

  • 无线网络上合作多任务处理的语义通信

    我们扩展了当前语义通信的状况，使其能够同时处理多个任务。我们首先介绍了我们关于 “语义源” 的定义，其能够基于单个观察解释多个语义。然后介绍了一个语义编码器设计，其中编码器分为通用单元和多个特定单元，实现了协同多任务处理。模拟结果证明了提出的语义源和系统设计的有效性。我们的方法采用信息最大化和端到端设计原则。

    Apr, 2024

  • 面向多模态数据语义通信的自适应编码机制

    本文提出一个利用神经网络解决多模态语义通信问题的分布式框架，该框架包括传统的信道编码和解码，进一步建立了针对各种多模态语义任务的一般速率自适应编码机制。优化方案旨在在保持语义任务推理准确性的同时，最小化推理延迟。本文的数值结果表明，所提出的机制总体上表现优于传统通信和现有的语义通信系统。

    May, 2023

  • 自动驾驶的基于图像分割的语义通信中的重要性感知

    这篇研究论文主要研究自动驾驶中基于图像分割的语义通信问题，通过提出名为 VIS-SemCom 的车辆图像分割导向的语义通信系统，传输重要对象的图像分割特征以减少传输冗余。

    Jan, 2024

  • 分布式图像语义无线传输的高效通信框架

    提出了基于联邦学习的语义通信框架（FLSC），旨在通过全局聚合改善多任务分布式图像传输，其中每个用户的每个链接由基于分层视觉变换器（HVT）的提取器和适应特定任务的适应性翻译器组成。通过仿真实验结果表明，FLSC 在粗略语义信息方面表现优秀，并在低信噪比和信道带宽比场景中明显优于传统方案。

    Aug, 2023

  • 远程控制任务的语义和有效通信与动态特征压缩

    本研究考虑了机器人群和远程无线控制任务中的有效通信问题，并提出使用基于 VQ-VAE 编码的 DRL 动态适应量化级别的方案来提高系统性能。

    Jan, 2023

  • 远程监视的代理驱动生成语义通信

    在 6G 时代，智能交通系统、数字孪生、远程监控有望成为普遍实践。为了解决无线网络中庞大数据量和频繁更新的挑战，本文提出了一种基于强化学习的新型代理驱动生成语义通信（A-GSC）框架。通过无缝地结合源信息的内在属性和任务相关的情境信息，本研究在语义通信领域进行了创新，同时引入了生成人工智能（GAI），实现了语义编码器和解码器的独立设计。在实证分析中，基于 CDNet2014 数据集验证了所设计模型的有效性，并证明了整体 A-GSC 框架在节能和重构准确性方面的性能提升。

    Apr, 2024