面向多阶段向量量化的速率自适应语义通信
计算与语言
2025-10-06 v1
摘要
本文提出一种基于多阶段向量量化（VQ）的速率自适应语义通信框架，称为 \textit{MSVQ-SC}。不同于传统单阶段 VQ 方法需要指数级扩大码本才能实现更高保真度，本文将量化过程分解为多个阶段，并动态激活各阶段以及 individual VQ 模块。该设计实现了在不同比特约束下的细粒度速率自适应，同时缓解了计算复杂度与码本崩溃问题。为优化性能，我们构建了受速率约束限制的模块选择问题，利用递增分配算法求解。进一步地，我们引入熵编码以利用非均匀码字分布，进一步降低通信开销。在 CIFAR-10 数据集上的仿真结果表明，本文框架优于现有数字语义通信方法，实现更低复杂度下的更高语义保真度，同时提供灵活且细粒度的速率控制。
引用
@article{arxiv.2510.02645,
title = {Mind the Gap: Linguistic Divergence and Adaptation Strategies in Human-LLM Assistant vs. Human-Human Interactions},
author = {Fulei Zhang and Zhou Yu},
journal= {arXiv preprint arXiv:2510.02645},
year = {2025}
}
备注
Accepted to The Second Workshop on Generative AI for E-commerce (GenAIECommerce '25), held September 22, 2025, in Prague, Czech Republic