6G 中一种新的数据传输范式为语义通信（SC），然而在 3D 情景中进行 SC 时存在几个挑战，包括 3D 语义提取、潜在语义冗余和不确定的信道估计。为了解决这些问题，我们提出了一种基于生成 AI 模型辅助的 3D SC（GAM-3DSC）系统。

Mar, 2024

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

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

本文提出了一种基于 6G 无线系统的新型语义通信框架，将元宇宙分解成人 / 机器代理专用的语义多元宇宙，每个代理保存一个语义编码器和一个生成器，利用 AI 技术来提高通信效率并处理本地场景和交互。此框架可以应用于分布式学习、多智能体强化学习、信令游戏和符号 AI 等多个领域。

Dec, 2022

提出了一种语义通信（SemCom）支持的生成式人工智能内容（SemAIGC）生成和传输框架，通过语义信息的提取和传输，解决了无线网络中提供优质 AIGC 服务的挑战，并采用资源感知的工作负载权衡（ROOT）方案进行计算资源的智能调整。仿真结果表明，与传统方法相比，所提出的 SemAIGC 框架在延迟和内容质量方面具有优势。

Oct, 2023

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

本文提出了一种基于强化学习的自适应语义编码方法 (RL-ASC)，通过卷积语义编码器将图像数据的类别、空间排列和视觉特征作为表征单元，将像素相似度替换为语义相似度来定义图像重建准则，通过自适应量化等级编码某个语义概念来增加速率 - 语义 - 感知性能作为奖励和生成式对抗网络 (GANs) 的语义解码器来重构图像，实验结果表明，与标准编解码器和其他深度学习基础图像编解码器相比，提出的 RL-ASC 方法具有噪声鲁棒性并能节约大量位量成本。

Aug, 2022

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

本文提出了一种基于因果语义通信的数字孪生系统 (DT) 框架，通过利用人工智能等技术来实现连接智能服务，从而处理基于 DT 的大量网络数据，实现网络决策并较好地实现语义可靠性。

Apr, 2023

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