基于大 AI 模型的语义通信
人工智能
2024-08-06 v2 网络与互联网体系结构
摘要
语义通信（SC）是一种新兴的智能范式，为元宇宙、混合现实及万物互联等各类未来应用提供解决方案。然而，在当前 SC 系统中，知识库（KB）的构建面临若干难题，包括知识表示有限、知识更新频繁以及知识共享不安全。幸运的是，大 AI 模型（LAM）的发展为克服上述问题提供了新方案。在此，我们提出一种专为图像数据设计的基于 LAM 的 SC 框架（LAM-SC），其中首次应用基于 segment anything model（SAM）的 KB（SKB），可通过通用语义知识将原始图像分割为不同语义片段；随后提出基于注意力的语义整合（ASI）以在无人工参与下对 SKB 生成的语义片段加权并整合为语义感知图像；此外，我们提出自适应语义压缩（ASC）编码以去除语义特征中的冗余信息，从而降低通信开销。最后，通过仿真验证了 LAM-SC 框架的有效性及在未来 SC 范式中应用基于 LAM 的 KB 的可能性。
引用
@article{arxiv.2307.03492,
title = {Large AI Model-Based Semantic Communications},
author = {Feibo Jiang and Yubo Peng and Li Dong and Kezhi Wang and Kun Yang and Cunhua Pan and Xiaohu You},
journal= {arXiv preprint arXiv:2307.03492},
year = {2024}
}
备注
Accepted by IEEE WCM