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 > eess > arXiv:2507.17416

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2507.17416 (eess)
[提交于 2025年7月23日 ]

标题: 通过稳定级联的高效稳健语义图像通信

标题: Efficient and Robust Semantic Image Communication via Stable Cascade

Authors:Bilal Khalid, Pedro Freire, Sergei K. Turitsyn, Jaroslaw E. Prilepsky
摘要: 基于扩散模型(DM)的语义图像通信(SIC)系统面临显著挑战,如推理速度慢和生成随机性,这限制了其可靠性和实用性。 为克服这些问题,我们提出了一种受Stable Cascade启发的新SIC框架,其中使用极紧凑的潜在图像嵌入作为扩散过程的条件。 我们的方法大幅降低了数据传输开销,将传输的嵌入压缩到原始图像大小的0.29%。 在噪声信道条件下,它在多个指标上验证了优于三种基准方法——基于分割图的扩散SIC模型(GESCO)、最近的基于Stable Diffusion(SD)的SIC框架(Img2Img-SC)以及传统的JPEG2000 + LDPC编码——实现了更优的重建质量。 值得注意的是,它还提供了显著的计算效率,与Img2Img-SC中采用的方法相比,对于512 x 512图像的重建速度快了3倍以上,对于1024 x 1024图像的重建速度快了16倍以上。
摘要: Diffusion Model (DM) based Semantic Image Communication (SIC) systems face significant challenges, such as slow inference speed and generation randomness, that limit their reliability and practicality. To overcome these issues, we propose a novel SIC framework inspired by Stable Cascade, where extremely compact latent image embeddings are used as conditioning to the diffusion process. Our approach drastically reduces the data transmission overhead, compressing the transmitted embedding to just 0.29% of the original image size. It outperforms three benchmark approaches - the diffusion SIC model conditioned on segmentation maps (GESCO), the recent Stable Diffusion (SD)-based SIC framework (Img2Img-SC), and the conventional JPEG2000 + LDPC coding - by achieving superior reconstruction quality under noisy channel conditions, as validated across multiple metrics. Notably, it also delivers significant computational efficiency, enabling over 3x faster reconstruction for 512 x 512 images and more than 16x faster for 1024 x 1024 images as compared to the approach adopted in Img2Img-SC.
评论: 被ICML 2025机器学习在无线通信与网络研讨会(ML4Wireless)接受
主题: 图像与视频处理 (eess.IV)
引用方式: arXiv:2507.17416 [eess.IV]
  (或者 arXiv:2507.17416v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.17416
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Rana Ahmad Bilal Khalid [查看电子邮件]
[v1] 星期三, 2025 年 7 月 23 日 11:18:44 UTC (46,366 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
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
eess

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