面向计算机视觉应用的数据重要性感知功率分配用于自适应语义通信
信号处理
2025-08-26 v2
摘要
诸如沉浸式增强现实等颠覆性应用正在推动无线通信和计算机视觉（CV）的发展。本文提出了一种新型框架，用于面向实时 CV 应用的重要性感知自适应数据传输，特别关注基于任务的保真度。引入了新的重要性加权均方误差（IMSE）指标，作为重构质量的任务导向度量，考虑亚像素级重要性（SP-I）和语义分段级重要性（SS-I）模型。在总功率约束下最小化 IMSE，提出了数据重要性感知水滴分配方法，根据数据重要性和信道条件对传输功率进行最优分配，优先传输高重要性子流。仿真结果表明，所提出的方法显著优于边际自适应水滴和等功率分配策略。在高信噪比（>10 dB）下，结合 SP-I 和 SS-I 模型的数据分区实现了显著的改进，归一化 IMSE gain 超过 dB 和 dB。这些显著的提升凸显了该框架在实时 CV 应用、尤其是在带宽受限和资源受限环境中提升数据效率和鲁棒性的潜力。
引用
@article{arxiv.2504.08922,
title = {Data-Importance-Aware Power Allocation for Adaptive Semantic Communication in Computer Vision Applications},
author = {Chunmei Xu and Yi Ma and Rahim Tafazolli and Jiangzhou Wang},
journal= {arXiv preprint arXiv:2504.08922},
year = {2025}
}
备注
Accepted in IEEE JSAC