语义通道均衡的潜在空间对齐
本篇论文探讨了多用户语义通信系统中由于不同语言导致的语义干扰问题，并提出了一种新的语义通道均衡器来解决这个问题。实验结果表明，该语义通道均衡器在操作复杂度和传输准确性方面优于传统方法。
Aug, 2023
在未来的 6G 无线网络中，语义和效能方面的通信将起到基础作用，将意义和相关性融入传输中。本文提出了一个新的面向目标的语义通信框架，通过潜在空间对齐来减轻语义不匹配问题。我们提出了一种动态优化策略，适应相对表示、通信参数和计算资源，实现了高效能、低延迟、面向目标的能源储效率的语义通信。数值结果表明我们的方法在减轻设备间不匹配问题的同时，优化了能源消耗、延迟和效能。
Mar, 2024
通过简单的转换，我们的研究展示了神经网络模型中学习到的表示可以在不同的预训练网络之间进行转化，从而有效地连接编码器和解码器，并实现在多模态设置下的出色分类性能。
Nov, 2023
通过对相对空间的角度保持相对表示的可逆性进行形式化，并假设神经模型中解码器模块的尺度不变性，我们将两种方法结合起来，通过相对空间获得潜在空间转换的新方法。通过在各种架构和数据集上进行大量实验证实了我们的尺度不变性假设，并证明了我们方法在潜在空间转换中的高准确性。我们还将我们的方法应用于任意预训练文本和图像编码器及其分类器之间的零射缝，甚至跨模态。通过组合性，我们的方法具有促进模型实际重用的显著潜力。
Jun, 2024
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
在即将到来的 AI 辅助的 6G 网络中，整合语义、语用和目标导向的沟通策略变得必不可少。本文的主要贡献是：首先，提出并详细说明了一种新的数学建模方法，用于描述由于语义和有效性水平上的语言不匹配而导致的错误；其次，提供了一种利用最优传输理论来抵消这些类型错误的新算法解决方案。我们的数值结果显示了所提出机制在嘈杂的通信环境下弥补语言不匹配的潜力，从而提高了可靠通信的可达性。
Jan, 2024
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
本研究论文提出了一种联合优化算法，用于减少总延迟和提高效用的语义通信系统。该系统包含了物理层安全方法，通过秘密速率来确保信息不被窃听者获得。实验结果表明，与基线相比，所提出的算法能够达到最佳的联合优化性能。
Dec, 2023