本研究では、ノイズに強いタスク指向型セマンティック通信のためのGeNetモデルを提案している。
まず、入力画像データをスーパーピクセルグラフ構造に変換する。次に、グラフニューラルネットワークベースのエンコーダを用いて、ソースデータから意味情報を抽出する。この抽出された意味情報は、チャネルを介して送信される。受信側では、グラフニューラルネットワークベースのデコーダを使用して、ソースデータからタスク関連の意味情報を再構築する。
実験評価により、SNR依存性を排除しつつ、ノイズに強いタスク指向型通信においてGeNetの有効性を示した。さらに、ノード数の変化に対するGeNetの性能を評価し、新しいセマンティック通信パラダイムとしての柔軟性を明らかにした。加えて、データ拡張を行うことなく、幾何学的変換に対するGeNetの堅牢性も示した。
To Another Language
from source content
arxiv.org
Дополнительные вопросы