基于残差学习的鲁棒端到端图像传输
信息论
2024-09-06 v1 math.IT
摘要
近年来，基于深度学习（DL）的物理层（PL）图像传输由于其显著优于传统基于分离的数字传输的能力而成为一种新兴趋势。然而，在PL上实现解决方案需要对现有标准（如蜂窝通信中的标准）进行重大改变。应用层（AL）解决方案提供了一种更可行且符合标准的替代方案。在本工作中，我们提出了一种在AL上对端到端（E2E）信道错误具有鲁棒性的分层图像传输方案。基础层传输粗略图像，而增强层传输原始图像与粗略图像之间的残差。通过将残差图像映射为与E2E信道结构相一致的潜在表示，我们提出的解决方案展示了对E2E信道错误的高度鲁棒性。
引用
@article{arxiv.2409.03243,
title = {Robust End-to-End Image Transmission with Residual Learning},
author = {Cenk M. Yetis},
journal= {arXiv preprint arXiv:2409.03243},
year = {2024}
}
备注
19 single-column pages, 11 figures and 6 tables