FSSC：基于 Transformer 神经网络的联邦学习语义图像通信
人工智能
2024-08-01 v1 机器学习
图像与视频处理
摘要
本文针对多用户部署场景下的图像语义通信问题，提出了一种基于 Swin Transformer 的语义通信系统的联邦学习（FL）策略。首先，我们证明了采用 Swin Transformer 进行联合信源信道编码（JSCC）能够有效提取通信系统中的语义信息。其次，引入联邦学习框架，通过聚合局部模型参数来协同学习全局模型，而非直接共享客户端数据。该方法增强了用户隐私保护，并减轻了服务器或移动边缘的工作负载。仿真评估表明，我们的方法优于典型的 JSCC 算法和传统的分离式通信算法。特别是在整合局部语义信息后，全局聚合模型进一步将峰值信噪比（PSNR）提升了超过 2 dB，充分证明了所提算法的有效性。
引用
@article{arxiv.2407.21507,
title = {FSSC: Federated Learning of Transformer Neural Networks for Semantic Image Communication},
author = {Yuna Yan and Xin Zhang and Lixin Li and Wensheng Lin and Rui Li and Wenchi Cheng and Zhu Han},
journal= {arXiv preprint arXiv:2407.21507},
year = {2024}
}