- MetaGreen: 基于元学习的绿色语义通信中的 Transformer 选取
语义交流可以通过创新的 “能量优化语义损失” 函数来实现能效模型选择,为能量高效的模型选择和绿色语义交流的发展奠定了基础。
- 基于对象 - 属性 - 关系表示的视频语义传播
利用对象 - 属性 - 关系(OAR)作为视频的语义框架,以便在低比特率编码和增强联合源信道编码(JSCC)过程中实现更有效的视频传输。
- 基于深度强化学习的物联网车联网中的语义感知频谱共享
本文研究了高速移动车联网环境中的语义通信,重点关注车对车和车对基础设施通信之间的频谱共享。我们提出了一种基于深度强化学习软演员 - 评论家算法的语义感知频谱共享算法(SSS),通过优化 V2V 和 V2I 频谱共享的决策来提高语义信息的传输 - 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, - 在语义层面衡量视觉相似性的语义相似度分数
基于场景图生成和图匹配的语义评估指标 SeSS 可以测量图像语义级信息的差异,可用于视觉语义通信系统的评估。
- MM基于可学习 CSI 融合掩码的鲁棒图像语义编码在 MIMO 多径衰落信道中
本文提出了一种可学习的 CSI 融合语义通信框架(LCFSC),通过将 CSI 作为辅助信息,引入 MIMO 通道状态信息,并在 Swin Transformer 中使用非侵入式 CSI 融合多头注意力模块,从而实现 CSI 感知的语义编码 - 近地空中飞艇载人大规模 MIMO 网络的深度联合语义编码与波束成形
通过整合语意通信和大规模多输入多输出(MIMO)技术,本文提出了一种适用于航天飞艇的大规模 MIMO 图像传输网络的深度联合语意编码和波束成形(JSCBF)方案,实现了源压缩、异常校正和高频谱效率的性能提升。
- VideoQA-SC:用于视频问答的自适应语义交流
本文提出了一种面向视频问答任务的端到端语义通信系统 VideoQA-SC,通过有效的视频语义提取和高效稳健的语义传输,绕过接收端的视频重构,实现了在嘈杂或衰落无线信道上直接完成视频问答任务,并实验证明在广泛的信道条件和带宽限制下,Video - 面向语言的图像传输的语义潜空间表示
基于语言的语义通信框架通过语言 - 图像编码和图像 - 语言解码,以及潜在扩散模型,实现了在嘈杂通信渠道中以较高的感知相似度重建预期图像的能力。
- MM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。
- 基于视觉语言模型的跨模态语义通信系统
提出了一种新颖的基于视觉 - 语言模型的跨模态语义通信系统,通过跨模态知识库、记忆辅助编解码和噪声注意模块来解决图像语义通信系统中的挑战,实验证实了该系统的有效性、适应性和鲁棒性。
- 变压器辅助的语义通信
通过使用 transformer 结构进行特征提取,以实现图像压缩和紧凑表示,从而优化语义通信的质量和带宽利用效率。
- sDAC -- 语义数字模拟转换器用于语义通信
该论文提出了一种新颖的语义数字模拟转换器(sDAC),用于语义通信和数字通信的兼容性。sDAC 是一个简单而高效的生成模块,用于实现数字和模拟的双向转换,并在不同语义模型、任务、调制方法、信道条件和量化顺序下展示了较高的生成性能和信道稳健性 - MM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 - 通过分子构建语义通信系统:一种端到端训练方法
提出一种语义分子通信系统,通过减少传输的信息来增强分子通信系统的效率,并展示其在分类任务中相较于传统方法的卓越性能。
- MM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 - MM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 - 基于生成式人工智能的沉浸式通信:通过 6G 进入感官互联网的下一个前沿
到 2030 年,一种新的名为感知互联网(Internet of Senses,IoS)的模式正在崛起,它旨在提供多感官体验,相较于传统虚拟现实(Virtual Reality,VR),IoS 承认我们在现实世界中的感知远远超过视觉和听觉, - GeNet: 基于图神经网络的抗噪任务导向语义通信范式
提出了一种基于图神经网络的语义通信范式 GeNet,旨在抵抗噪声,从而促进面向任务的通信(TOC)。通过将输入数据图像转换为图结构,利用基于 GNN 的编码器从源数据中提取语义信息,然后通过信道传输。接收端利用基于 GNN 的解码器从源数据 - 面向目标的语义沟通的动态相对表示
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