基于对比学习的无线图像传输语义通信
信息论
2023-04-20 v1 math.IT
摘要
近来，语义通信已广泛应用于无线图像传输系统，因其可优先保留图像中有意义的语义信息而非传输符号的准确性，从而提升通信效率。然而，现有语义通信方法在下游 AI 任务（如图像识别）中取得可观推理性能，或在接收端平衡推理性能与重建图像质量方面仍存在局限。因此，本文提出一种基于对比学习（CL）的语义通信方法以克服这些限制。具体而言，我们将传输中的图像损坏视为 CL 中的一种数据增强形式，并利用 CL 缩小原始图像与损坏重建之间的语义距离，同时保持无关图像间的语义距离以利于下游任务中的区分。此外，我们设计了两阶段训练流程及相应损失函数，用于联合优化语义编码器与解码器，以在下游任务的图像识别性能与重建质量间取得良好权衡。最后通过仿真证明了所提方法相对于对比方法的优越性。特别地，在带宽压缩比为 1/48 时，所提方法在 CIFAR10 数据集上可实现高达 56\% 的准确率提升。
引用
@article{arxiv.2304.09438,
title = {Contrastive Learning based Semantic Communication for Wireless Image Transmission},
author = {Shunpu Tang and Qianqian Yang and Lisheng Fan and Xianfu Lei and Yansha Deng and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:2304.09438},
year = {2023}
}