基于混合专家机制的无线图像传输自适应语义通信
机器学习
2026-04-06 v1
摘要
深度学习语义通信在无线图像传输中取得了显著进展，但大多数现有方案依赖固定模型，缺乏对多样化图像内容和动态信道条件的鲁棒性。为提高适应性，近期研究开发了根据源内容或信道状态调整传输或模型行为的自适应语义通信策略。更近期，基于混合专家（MoE）的语义通信作为一种稀疏高效的自适应架构而浮现，但现有设计仍主要依赖单一驱动路由。为此，我们提出一种基于自适应 MoE Swin Transformer 块的多输入多输出（MIMO）信道下多阶段端到端图像语义通信系统。具体而言，我们引入一种动态专家门控机制，联合评估实时信道状态信息（CSI）和输入图像图块的语义内容，以计算自适应路由概率。通过根据联合条件有选择地激活特定子集的专家，该方法打破了传统自适应方法的刚性耦合，克服了单驱动路由的瓶颈。仿真结果表明，在保持传输效率的同时，相较于现有方法显著提高了重建质量。
引用
@article{arxiv.2604.02691,
title = {Adaptive Semantic Communication for Wireless Image Transmission Leveraging Mixture-of-Experts Mechanism},
author = {Haowen Wan and Qianqian Yang},
journal= {arXiv preprint arXiv:2604.02691},
year = {2026}
}