Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints

Created by
  • Haebom
Category
Empty

저자

Lei Guo, Wei Chen, Yuxuan Sun, Bo Ai, Nikolaos Pappas, Tony Quek

개요

본 논문은 제한된 대역폭 환경에서 확산 모델 기반의 의미론적 통신 프레임워크를 제시합니다. 기존 확산 모델 기반 생성 모델들이 대역폭 제한을 고려하지 않은 한계를 극복하기 위해, VAE 기반의 고급 압축 기법을 통합하여 대역폭 효율을 높였습니다. 무선 채널을 통한 신호 전송 과정을 확산 모델의 순방향 과정으로 활용하고, 다운샘플링 및 VAE 기반 업샘플링 모듈을 사용하여 수신단에서 가우시안 분포를 따르는 복원된 특징을 얻습니다. 제안된 시스템의 손실 함수를 도출하고, 실험을 통해 PSNR 및 LPIPS와 같은 지표를 사용하여 성능을 평가합니다. 실험 결과, 압축률과 SNR 측면에서 기존의 DJSCC(Deep Joint Source-Channel Coding)에 비해 상당한 성능 향상을 보였습니다.

시사점, 한계점

시사점:
제한된 대역폭 환경에서 확산 모델 기반의 의미론적 통신을 위한 효율적인 프레임워크 제시
VAE 기반의 고급 압축 기법을 통해 대역폭 효율 향상 및 성능 개선
PSNR 및 LPIPS 등의 지표를 통해 성능 향상을 실험적으로 검증
기존 DJSCC 방식에 비해 우수한 성능을 입증
한계점:
제안된 프레임워크의 실제 무선 통신 환경에서의 성능 평가 부족
다양한 유형의 무선 채널에 대한 로버스트니스(robustness) 분석 부족
고차원 데이터에 대한 확장성 및 계산 복잡도에 대한 분석 부족
👍