面向语义通信的拓扑保留深度联合源-信道编码
机器学习
2026-03-19 v1 信息论
图像与视频处理
math.IT
摘要
许多无线视觉应用（如自动驾驶）要求保留全局结构信息而非仅维持像素级保真度。然而，现有深度联合源-信道编码（DeepJSCC）方案主要优化像素级损失，未对连通性或拓扑结构提供显式保护。本文提出 TopoJSCC，一种基于持久同调正则化的拓扑感知深度联合源-信道编码框架。具体而言，我们通过对原始图像与重构图像的立方体持久图之间的 Wasserstein 距离以及信道前后局部特征 Vietoris--Rips 持久图之间的 Wasserstein 距离进行惩罚，实现对拓扑一致性的约束，以促进鲁棒的潜在流形。TopoJSCC 基于端到端学习，无需额外侧信道。实验表明，在低信噪比（SNR）和带宽比例 regime 下，TopoJSCC 在保持拓扑结构和峰均方信噪比（PSNR）方面均取得改进。
引用
@article{arxiv.2603.17126,
title = {Topology-Preserving Deep Joint Source-Channel Coding for Semantic Communication},
author = {Omar Erak and Omar Alhussein and Fang Fang and Sami Muhaidat},
journal= {arXiv preprint arXiv:2603.17126},
year = {2026}
}
备注
Submitted to IEEE Journals for possible publication