Vector Quantized Semantic Communication System

要約

アナログ セマンティック コミュニケーション システムは文献でかなりの注目を集めていますが、デジタル セマンティック コミュニケーション システムに関する研究はあまりありません。
この論文では、VQ-DeepSCという名前の、画像伝送用のディープラーニング（DL）対応のベクトル量子化（VQ）セマンティック通信システムを開発します。
具体的には、畳み込みニューラル ネットワーク (CNN) ベースのトランシーバーを提案して、画像のマルチスケール セマンティック特徴を抽出し、マルチスケール セマンティック埋め込み空間を導入してセマンティック特徴量子化を実行し、デジタル通信システムと互換性のあるデータをレンダリングします。
さらに、PatchGAN ディスクリミネーターを導入することで、受信画像の品質を向上させるために敵対的トレーニングを採用しています。
実験結果は、提案された VQ-DeepSC が SSIM に関して従来の画像伝送方法よりも優れていることを示しています。

要約(オリジナル)

Although analog semantic communication systems have received considerable attention in the literature, there is less work on digital semantic communication systems. In this paper, we develop a deep learning (DL)-enabled vector quantized (VQ) semantic communication system for image transmission, named VQ-DeepSC. Specifically, we propose a convolutional neural network (CNN)-based transceiver to extract multi-scale semantic features of images and introduce multi-scale semantic embedding spaces to perform semantic feature quantization, rendering the data compatible with digital communication systems. Furthermore, we employ adversarial training to improve the quality of received images by introducing a PatchGAN discriminator. Experimental results demonstrate that the proposed VQ-DeepSC outperforms traditional image transmission methods in terms of SSIM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google