基于条件扩散模型的速率自适应生成式语义通信
信号处理
2024-12-24 v3
摘要
近期深入学习基于语义联合源信道编码 (DJSCC) 的研究进展在端到端语义图像传输中展现了前景。然而，大多数现有方案主要关注优化像素级指标，这些指标常常无法与人类感知保持一致，导致感知质量较低。本文提出一种新颖的生成式DJSCC方法，利用条件扩散模型来增强传输图像的感知质量。具体而言，通过利用熵模型，我们有效地根据传输符号的估计熵来管理传输带宽。这些符号随后在接收端用作条件信息，以引导条件扩散解码器进行图像重建。我们的模型建立在新兴的类mamba线性注意力 (MLLA) 结构之上，该结构在图像处理任务中表现出色，同时也具备快速推理速度。此外，我们引入多阶段训练策略，以确保训练稳定性并提高整体性能。仿真结果表明，我们提出的方法在感知质量方面显著优于现有方法。
引用
@article{arxiv.2409.02597,
title = {Rate-Adaptive Generative Semantic Communication Using Conditional Diffusion Models},
author = {Pujing Yang and Guangyi Zhang and Yunlong Cai},
journal= {arXiv preprint arXiv:2409.02597},
year = {2024}
}