Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2407.00020

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2407.00020 (cs)
[提交于 2024年5月6日 ]

标题: 基于视觉语言模型的跨模态语义通信系统

标题: Visual Language Model based Cross-modal Semantic Communication Systems

Authors:Feibo Jiang, Chuanguo Tang, Li Dong, Kezhi Wang, Kun Yang, Cunhua Pan
摘要: 语义通信(SC)近年来已成为一种新的通信范式,通过创新的语义传输概念成功超越了香农物理容量极限。 然而,现有的图像语义通信(ISC)系统在动态环境中面临一些挑战,包括语义密度低、灾难性遗忘和不确定的信噪比(SNR)。 为了解决这些挑战,我们提出了一种基于视觉-语言模型的跨模态语义通信(VLM-CSC)系统。 VLM-CSC包含三个新组件:(1)跨模态知识库(CKB)用于从发射端语义稀疏的图像中提取高密度文本语义,并在接收端基于文本语义重建原始图像。高密度语义的传输有助于缓解带宽压力。 (2)基于记忆的编码器和解码器(MED)采用混合长/短期记忆机制,使语义编码器和解码器在语义特征分布发生漂移时能够克服灾难性遗忘。 (3)噪声注意力模块(NAM)利用注意力机制根据SNR自适应调整语义编码和信道编码,确保CSC系统的鲁棒性。 实验模拟验证了CSC系统的有效性、适应性和鲁棒性。
摘要: Semantic Communication (SC) has emerged as a novel communication paradigm in recent years, successfully transcending the Shannon physical capacity limits through innovative semantic transmission concepts. Nevertheless, extant Image Semantic Communication (ISC) systems face several challenges in dynamic environments, including low semantic density, catastrophic forgetting, and uncertain Signal-to-Noise Ratio (SNR). To address these challenges, we propose a novel Vision-Language Model-based Cross-modal Semantic Communication (VLM-CSC) system. The VLM-CSC comprises three novel components: (1) Cross-modal Knowledge Base (CKB) is used to extract high-density textual semantics from the semantically sparse image at the transmitter and reconstruct the original image based on textual semantics at the receiver. The transmission of high-density semantics contributes to alleviating bandwidth pressure. (2) Memory-assisted Encoder and Decoder (MED) employ a hybrid long/short-term memory mechanism, enabling the semantic encoder and decoder to overcome catastrophic forgetting in dynamic environments when there is a drift in the distribution of semantic features. (3) Noise Attention Module (NAM) employs attention mechanisms to adaptively adjust the semantic coding and the channel coding based on SNR, ensuring the robustness of the CSC system. The experimental simulations validate the effectiveness, adaptability, and robustness of the CSC system.
评论: 12页,10图
主题: 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI); 计算与语言 (cs.CL); 信息论 (cs.IT); 机器学习 (cs.LG)
引用方式: arXiv:2407.00020 [cs.CV]
  (或者 arXiv:2407.00020v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2407.00020
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Feibo Jiang [查看电子邮件]
[v1] 星期一, 2024 年 5 月 6 日 08:59:16 UTC (2,918 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-07
切换浏览方式为:
cs
cs.AI
cs.CL
cs.IT
cs.LG
math
math.IT

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号