Generative Feature Imputing—A Technique for Error-Resilient Semantic Communication

doi:10.1109/TWC.2026.3700909

Generative Feature Imputing—A Technique for Error-Resilient Semantic Communication

2026-06-11

0

PRE

AI

DOI：10.1109/TWC.2026.3700909

原文链接

原文求助

摘要

En 中文

语义通信（SemCom）作为一种利用人工智能（AI）提取和传输源数据潜在含义以实现第六代（6G）网络前所未有的通信效率的范式已崭露头角。然而，在数字系统中部署SemCom带来了新挑战，特别是在确保对可能扭曲语义关键内容的传输错误的鲁棒性方面。为解决此问题，本文提出了一种新型框架，称为生成特征插补，该框架包含三项关键技术。首先，我们引入了一种空间错误集中分帧策略，通过基于信道映射对特征元素进行编码来空间集中特征失真——这一属性对于后续技术的高效性和降低复杂度至关重要。其次，基于该策略，我们提出了一种生成特征插补方法，利用扩散模型高效重建由分帧丢失引起的缺失特征。最后，我们开发了一种语义感知功率分配方案，通过根据每个分帧的语义重要性分配传输功率来实现不等错误保护。实验结果表明，所提出的框架在块衰落条件下优于常规方法（如深度联合信源信道编码（DJSCC）和JPEG2000），实现了更高的语义准确度和更低的学得感知图像块相似性（LPIPS）评分。

Keyword:

Generative artificial intelligence

semantic communications

feature imputing

power allocation

diffusion model

Generative Feature Imputing—A Technique for Error-Resilient Semantic Communication

摘要

期刊

机构

引用论文