面向6G的深度图像语义通信模型OACSTPCD
Deep image semantic communication model for 6G
目前的语义通信模型在处理图像数据方面仍有可改善的部分,包括有效的图像语义编解码、高效的语义模型训练和精准的图像语义评估.为此,提出了一种深度图像语义通信(DeepISC)模型.首先采用基于vision transformer的自编码器(ViTA)网络实现高质量的图像语义编解码;接着采用自编码器实现信道编解码,保证语义在信道上的传输;然后利用判别器网络(DSN)和ViTA的双网络架构协同训练,提高重建图像的语义精度;最后针对不同的下游视觉任务提出不同的图像语义评估指标.仿真结果表明,相较于其他方案,DeepISC可以更有效地还原传输图像的语义特征,使重建图像在各个下游任务中都展现出与原图像相同或相近的语义结果.
江沸菠;彭于波;董莉
湖南师范大学信息科学与工程学院,湖南长沙 410081湖南师范大学信息科学与工程学院,湖南长沙 410081湖南工商大学长沙人工智能社会实验室,湖南长沙 410205
信息技术与安全科学
人工智能6G语义通信图像识别特征提取
《通信学报》 2023 (3)
198-208,11
国家自然科学基金资助项目(No.41904127,No.41604117)湘江实验室开放基金资助项目(No.6108408DL001,No.6109408DL001)湖南省教育厅科学研究优秀青年基金资助项目(No.7103408DL001)湖南省教育厅资助科研项目(No.21A0372)
评论