面向高保真图像重建的混合语义-补充传输

语义通信的最新进展引入了基于神经网络的收发器，用于传输图像等信号的语义表示。然而，这些神经网络是在多样化的图像分布上训练的，因此常常无法重建精细的图像特定细节。为克服这种有限的重建保真度，我们提出了一种扩展的语义通信框架——混合语义通信，它用捕获残差图像特定信息的补充表示来补充语义表示。补充表示在发射机构造，并在接收机与实际语义通信结果结合，以产生高保真的重组图像。虽然由于基于神经网络的结构，语义表示的传输负载是固定的，但补充表示的负载可以灵活调整以实现期望的保真度。这种可控性直接影响最终的重建误差，为此我们推导出了闭式表达式和相应的最优补充表示。仿真结果表明，在各种信道和神经网络架构下，与不传输补充表示的基线语义通信相比，混合语义通信显著降低了均方误差。