.png){kind=icon}
返回
Generative AI Driven Task-Oriented Adaptive Semantic Communications
.png){kind=icon}
PRE
AI
DOI：10.1109/TWC.2025.3644355.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
任务导向的语义通信（TOSC）已被视为一种有前景的通信框架，服务于各种人工智能（AI）任务驱动的应用。现有的TOSC框架侧重于提取源数据的完整语义特征，并学习低维信道输入以在有限的带宽资源内传输这些特征。尽管传输完整语义特征可以保持数据意义的完整性，但这种方法并未达到TOSC的性能阈值。本文提出了一种任务导向的自适应语义通信（TasCom）框架，以有效促进不同AI任务的推理。基于生成式人工智能（GAI）技术，我们首先提出了一种联合信源-信道编码（JSCC），该编码仅提取并融合任务相关的语义特征，然后传输这些特征以实现高效的任务导向语义传输。接着，我们提出了一种生成式训练算法，用于训练所提出的JSCC以获得最佳性能。此外，提出了一种自适应编码控制器（ACC），用于为所提出的JSCC寻找最优编码方案，该方案允许对任务推理具有显著贡献的语义特征优先占用有限的带宽资源进行无线传输。仿真结果表明，在所有考虑的信道条件下，所提出的TasCom在目标检测和实例分割任务上均优于现有的TOSC和传统编解码方案。
Keyword:
Task-oriented semantic communication
semantic extraction
joint source-channel coding
generative AI
期刊
IF:
10.7
论文数:
1.3W
被引数:
5.3W
机构
引用论文
分享收藏Exploring Collaborative Distributed Diffusion-Based AI-Generated Content (AIGC) in Wireless Networks无线网络中基于协同分布式扩散的AI生成内容 (AIGC) 研究.png)
IEEE NETWORK
OAAI
IEEE NETWORKIF6.3
OAAI分享收藏
查看更多内容