본 논문은 이미지 전송을 위한 새로운 지식 기반(KB) 지원 의미론적 통신 프레임워크를 제안합니다. 수신기는 Contrastive Language-Image Pre-Training (CLIP) 모델을 사용하여 이미지에서 의미 임베딩을 추출하여 Facebook AI Similarity Search (FAISS) 기반 벡터 데이터베이스를 구축합니다. 전송 중에 송신기는 CLIP 모델을 사용하여 512차원 의미 특징을 추출한 후, 경량 신경망을 사용하여 압축하여 전송합니다. 수신기는 신호를 수신한 후 특징을 다시 512차원으로 재구성하고 KB에서 유사도 매칭을 수행하여 의미적으로 가장 유사한 이미지를 검색합니다. 의미 전송 성공 여부는 Peak Signal-to-Noise Ratio (PSNR)과 같은 기존 지표가 아닌, 전송된 이미지와 검색된 이미지 간의 범주 일관성에 따라 결정됩니다. 제안된 시스템은 의미 정확도를 우선시하며, 의미 인식 통신 시스템에 대한 새로운 평가 패러다임을 제공합니다. CIFAR100에 대한 실험적 검증을 통해 프레임워크가 의미 이미지 전송을 달성하는 데 효과적임을 보여줍니다.
