Core Concepts
Ein multitaskfähiger semantischer Kommunikationsrahmen, der die Übertragung von Verkehrszeichen zwischen autonomen Fahrzeugen über Satellit ermöglicht und sowohl die Bildrekonstruktion als auch die Bildklassifizierung unterstützt.
Abstract
Das Papier präsentiert einen multitaskfähigen semantischen Kommunikationsrahmen für verbundene und autonome Fahrzeuge (CAVs). Der Rahmen umfasst einen semantischen Encoder, der Verkehrszeichenbilder in eine kompakte semantische Darstellung überführt, sowie zwei aufgabenorientierte semantische Decoder für die Bildrekonstruktion und Bildklassifizierung.
Der semantische Encoder basiert auf einem konvolutionalen Autoencoder, der die Bilder effizient kodiert. Der Rekonstruktions-Decoder verwendet ebenfalls einen konvolutionalen Autoencoder, um die Bilder aus der semantischen Darstellung zu rekonstruieren. Der Klassifikations-Decoder nutzt ein konvolutionales neuronales Netzwerk mit Split-Learning, um die Klasse des Verkehrszeichens aus der semantischen Darstellung vorherzusagen.
Die Simulationsergebnisse zeigen, dass der vorgeschlagene Rahmen die konventionellen Ansätze wie QAM-16 sowohl bei der Bildähnlichkeit der Rekonstruktion als auch bei der Klassifikationsgenauigkeit übertrifft. Darüber hinaus kann er den Bandbreitenbedarf um bis zu 89% reduzieren, indem er weniger Bits sendet.
Der Rahmen ist besonders robust bei niedrigen Signal-Rausch-Verhältnissen, was für die Kommunikation zwischen Fahrzeugen und Satelliten von Interesse ist. Außerdem kann er in herausfordernden Wetterbedingungen mit eingeschränkter Sichtbarkeit der Verkehrszeichen eingesetzt werden.
Stats
Die Übertragung der semantischen Darstellung anstelle des gesamten Bildes kann bis zu 89% der Bandbreite einsparen.
Quotes
"Unsere Ergebnisse zeigen, dass der vorgeschlagene Rahmen die konventionellen Ansätze sowohl bei der Bildähnlichkeit der Rekonstruktion als auch bei der Klassifikationsgenauigkeit übertrifft."
"Der Rahmen ist besonders robust bei niedrigen Signal-Rausch-Verhältnissen, was für die Kommunikation zwischen Fahrzeugen und Satelliten von Interesse ist."