Segment Anything遇见语义通信
计算机视觉与模式识别
2023-06-06 v1
摘要
鉴于传统提升传输速率方法收益递减，语义通信领域呈现出有前景的新前沿。聚焦于图像传输，本文探索基础模型的应用，特别是Meta AI Research开发的Segment Anything Model（SAM），以改进语义通信。SAM是一个可提示的图像分割模型，因其在无需显式训练或领域特定知识情况下执行零样本分割任务的能力而受到关注。通过利用SAM的分割能力和轻量级神经网络架构进行语义编码，我们提出了一种实用的语义通信方法。我们证明该方法保留了关键语义特征，实现了更高的图像重建质量并降低了通信开销。该实用方案消除了训练分割模型的资源密集型阶段，并可应用于任何语义编码架构，为实际部署铺平了道路。
引用
@article{arxiv.2306.02094,
title = {Segment Anything Meets Semantic Communication},
author = {Shehbaz Tariq and Brian Estadimas Arfeto and Chaoning Zhang and Hyundong Shin},
journal= {arXiv preprint arXiv:2306.02094},
year = {2023}
}
备注
Submitted to MILCOM 23