.png){kind=icon}
返回
Task-Oriented Integrated Sensing and Semantic Communications for Multi-Device Video Analytics
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3641899.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视频分析在公共安全和智慧城市等现代应用中发挥着关键作用，但通过无线网络传输高分辨率视频受到带宽和延迟的严重限制。现有的语义通信方法通过丢弃无关内容缓解通信开销，但往往对资源受限的监控设备造成高昂的计算成本。为克服这一局限，我们提出了SenSem，一种感知辅助的语义通信框架，该框架独特地利用信道状态信息（CSI）来减少通信和计算开销。SenSem首先利用嵌入在CSI中的位置提示来估计感兴趣区域，并在上传前裁剪帧。在裁剪后的帧上，一个轻量级语义评估器对块进行评分，并通过联合块选择和传输功率控制算法最大化多设备上行链路的分析性能；在边缘端，一个感知辅助分析网络注入空间提示以进一步提升推理性能。在WARP平台上的广泛评估表明，SenSem持续优于现有最先进基线，在严格的延迟限制下实现了更优的视频分析精度。通过无缝减少传输和设备端的计算开销，SenSem为下一代无线视频分析系统提供了一种可扩展且高效的解决方案。
Keyword:
Integrated sensing and communications
semantic communications
video analytics
deep learning
edge intelligence
task-oriented communications
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
Remote patient monitoring using artificial intelligence: Current state, applications, and challenges使用人工智能进行远程患者监控: 现状，应用和挑战
OAAI
OAAI分享收藏Edge Intelligence: Paving the Last Mile of Artificial Intelligence With Edge Computing边缘智能: 用边缘计算铺平人工智能的最后一英里.png)
PROCEEDINGS OF THE IEEEOAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏Semantic Communications for Image Recovery and Classification via Deep Joint Source and Channel Coding通过深度联合信源和信道编码实现图像恢复和分类的语义通信
OAAI
OAAI分享收藏分享收藏
查看更多内容