Knowledge-Aided Semantic Communication Leveraging Probabilistic Graphical Modeling

要約

この論文では、確率的グラフィカル モデル (PGM) に基づいたセマンティック通信アプローチを提案します。
提案されたアプローチには、トレーニング データセットから PGM を構築し、送信機と受信機の間で共通知識として共有することが含まれます。
私たちは、さまざまな意味論的特徴の重要性を評価し、意味論的情報の予測可能な部分を削除するように設計された PGM ベースの圧縮アルゴリズムを提示します。
さらに、受信側で破棄された意味情報を再構築し、PGM に基づいて近似結果を生成する手法を導入します。
シミュレーション結果は、送信画像の品質を維持しながら、既存の方法に比べて送信効率が大幅に向上していることを示しています。

要約(オリジナル)

In this paper, we propose a semantic communication approach based on probabilistic graphical model (PGM). The proposed approach involves constructing a PGM from a training dataset, which is then shared as common knowledge between the transmitter and receiver. We evaluate the importance of various semantic features and present a PGM-based compression algorithm designed to eliminate predictable portions of semantic information. Furthermore, we introduce a technique to reconstruct the discarded semantic information at the receiver end, generating approximate results based on the PGM. Simulation results indicate a significant improvement in transmission efficiency over existing methods, while maintaining the quality of the transmitted images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google