Learnable Residual-based Latent Denoising in Semantic Communication

要約

ノイズの多いチャネルを介した堅牢な画像伝送のために、潜在的な除去セマンティック通信（SEMCOM）フレームワークが提案されています。
学習可能な潜在的な点角を受信機に組み込むことにより、受信した信号は、チャネルノイズを効果的に除去し、セマンティック情報を回復するために前処理され、それによりデコードされた画像の品質が向上します。
具体的には、安定したパフォーマンスを確保しながら、除去効率を改善するための反復的な残留学習アプローチによって潜在的な除去マッピングが確立されます。
さらに、チャネル信号対雑音比（SNR）を利用して、条件付き除去の潜在的な類似性スコア（SS）を推定および予測します。ここでは、予測されたSSシーケンスに基づいて除去ステップの数が適合し、通信潜時がさらに減少します。
最後に、シミュレーションは、提案されたフレームワークがさまざまなレベルでチャネルノイズを効果的かつ効率的に除去し、視覚的に魅力的な画像を再構築できることを示しています。

要約(オリジナル)

A latent denoising semantic communication (SemCom) framework is proposed for robust image transmission over noisy channels. By incorporating a learnable latent denoiser into the receiver, the received signals are preprocessed to effectively remove the channel noise and recover the semantic information, thereby enhancing the quality of the decoded images. Specifically, a latent denoising mapping is established by an iterative residual learning approach to improve the denoising efficiency while ensuring stable performance. Moreover, channel signal-to-noise ratio (SNR) is utilized to estimate and predict the latent similarity score (SS) for conditional denoising, where the number of denoising steps is adapted based on the predicted SS sequence, further reducing the communication latency. Finally, simulations demonstrate that the proposed framework can effectively and efficiently remove the channel noise at various levels and reconstruct visual-appealing images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google