MMMay, 2024

使用深度生成模型重新考虑多用户语义通信

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 一对多语义通信系统：设计，实现，性能评估

    本研究提出了一种基于深度神经网络和迁移学习的语义通信系统，名为 MR_DeepSC，此系统解决了多用户情况下应用语义通信的问题，并在低信噪比条件下实现了最佳性能。

    Sep, 2022

  • 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

  • 大型生成模型辅助的 3D 语义通信

    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

  • 基于知识蒸馏的多用户语义通信

    基于知识蒸馏的深度学习模型在语义通信系统中提高了模型鲁棒性和泛化能力，减小了模型尺寸压缩时的性能损失。

    Nov, 2023

  • 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

  • 从语义交流到语义感知网络：模型，架构和开放问题

    本文探讨了传统的通信系统在意义传达方面的缺陷，提出了一种基于语义感知的资源高效边缘智能通信架构，旨在通过卸载计算资源，保护用户信息，并最大限度地提高通信效率。

    Dec, 2020