Core Concepts
사전 학습된 생성 모델을 활용하여 다중 모달 의미 정보를 효율적으로 전송하고, 지연 및 채널 상황을 고려한 적응형 통신 기법을 제안한다.
Abstract
이 논문은 사전 학습된 생성 모델을 활용한 지연 인지 의미 통신 프레임워크를 제안한다. 주요 내용은 다음과 같다:
송신기에서 입력 신호의 다중 모달 의미 정보를 추출한다. 가장 중요한 의미 정보는 텍스트 프롬프트로 압축하고, 나머지 의미 정보는 생성 모델의 조건 신호로 활용한다.
각 의미 모달리티에 적합한 코딩 및 통신 기법을 적용하여 다중 스트림으로 전송한다. 프롬프트는 신뢰성 있는 전송을 위해 재전송 기법을 사용하고, 조건 신호는 채널 적응형 변조 기법을 사용한다.
의미 중요도와 지연 요구사항을 고려하여 각 의미 스트림에 대한 전송 전력을 최적화한다. 이를 통해 초저전송률, 저지연, 채널 적응형 의미 통신을 달성한다.
시뮬레이션 결과는 제안 기법의 우수한 성능을 보여준다. 사전 학습된 생성 모델을 활용하여 공유 지식베이스 없이도 범용적인 의미 통신이 가능하며, 분리형 아키텍처로 인해 기존 무선 통신 네트워크와의 호환성이 높다.
Stats
프롬프트 전송을 위한 재전송 횟수는 채널 SNR이 낮을수록 증가한다.
채널 SNR이 낮을수록 조건 신호(에지 맵)의 변조 차수를 낮추어 의미 품질을 유지한다.
제안 기법은 단일 스트림 전송 기준 대비 낮은 SNR 영역에서 전송 지연을 크게 감소시킨다.