.png){kind=icon}
返回
Channel Type Adaptive Multi-Task Attention-Based Semantic Image Communication
.png){kind=icon}
PRE
AI
DOI：10.1109/LCOMM.2025.3623092.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期进展表明，基于深度学习的联合信源信道编码（DeepJSCC）在语义图像通信中可实现卓越性能。然而，为在不同类型信道下实现高质量图像传输，DeepJSCC方法需训练多个模型，导致巨大的存储消耗。本文提出了一种信道类型自适应的多任务注意力语义图像通信系统，简称MASC。我们设计了多任务学习框架，以实现对不同类型信道通信任务的自适应。此外，为平衡不同信噪比（SNR）下的模型优化，我们提出了SNR分段训练策略。仿真结果表明，所提MASC仅需单一模型即可适应不同信道类型下的图像传输任务。与支持可变码长的DeepJSCC（DeepJSCC-V）相比，所提MASC性能更优，尤其在中等至高SNR区域。因此，所提MASC为资源受限场景下高质量图像传输提供了一种有效解决方案。
Keyword:
Wireless image transmission
multi-task learning
semantic communication
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
.png){kind=icon}
SwinJSCC: Taming Swin Transformer for Deep Joint Source-Channel CodingSwinJSCC：驯服Swin Transformer以实现深度联合信源-信道编码
OAAI
OAAI分享收藏SemantIC: Semantic Interference Cancellation Toward 6G Wireless Communications语义: 对6g无线通信的语义干扰消除
PREAI
分享收藏分享收藏Predictive and Adaptive Deep Coding for Wireless Image Transmission in Semantic Communication语义通信中无线图像传输的预测和自适应深度编码
PREAI
分享收藏
查看更多内容