关于无线通信中的轻量级语义图像分割的分解-计算机科学-人工智能-语义通信-语义图像分-6G.pdf

关于无线通信中的轻量级语义图像分割的

分解

EbrahimAbu-Helalah,JordiSerra,JordiPerez-Romero,

CentreTecnològicdeTelecomunicacionsdeCatalunya(CTTC/CERCA),Barcelona,Spain

UniversitatPolitecnicadeCatalunya(UPC),Barcelona,Spain

{aebrahim,jserra}@cttc.es,{ebrahim.abu.helalah,jordi.perez-romero}@

摘要—语义通信代表了一种有望降低通信成本的技术，特这会耗尽信道容量并导致网络拥塞和延迟增加等问题

别是在处理图像分割时，但它仍然在保持高图像分割精度的同[3]。在实时应用中，例如直播视频流或自主系统中，即

时，在计算效率和带宽需求之间缺乏平衡，尤其是在资源受限的使是小的延迟也会阻碍性能表现[4]。例如，流媒体4K

环境和变化的信道条件下。另一方面，随着语义图像分割模型变

本视频可能需要30-50Mbps[5]，虚拟现实应用可能每个

得越来越复杂和庞大，设备在处理数据时的压力也会增加。本文

译提出了一种基于将语义图像分割过程拆分到资源受限制的发射用户需要25-100Mbps[6]。在这种情况下，为大量用

中机和接收机之间的实现语义通信的新方法。这允许通过减少传输户提供服务会导致对网络基础设施前所未有的需求。因

1的数据量来节省带宽，同时保持语义图像分割的准确性。此外，此需要一种更智能的方法，将数据的意义优先于原始数

v与在发射机中完成所有语义图像分割相比，它还减少了对资源受据。在这个方向上，语义通信作为一种有效模型出现，

9

9限发射机的计算要求。所提出的方法通过基于仿真的实验，根据以实现这个目标[7]。

1计算资源使用、所需的比特率和分割精度等不同指标进行评估。

4与传统的仅关注传输原始数据而不了解其含义或

1将提案与发射机中的全语义图像分割进行比较时显示，传输过程

.中的比特率最多可以减少72%。此外，发射机的计算负载减少重要性的通讯（即预理解传输）相比，语义通信强调准

7

0了超过19%。这反映了该技术在通信系统应用中的兴趣，特别确传输数据背后的含义，这被称为后理解传输。语义通

5是在即将到来的6G系统中。信的原则广泛适用于需要智能且有意义的数据交换的

2

:IndexTerms—语义通信；语义图像分割；人工智能；机系统[8]。

v

i器学习；6G.

x通过专注于仅传输必要的语义信息来解决带宽限

r

aI.介绍制的问题，从而降低所需的比特率。然而，这种方法带

来自爱立信的《移动报告》在2024年11月[1]预来了新的挑战，即计算资源的限制。将原始数据转化为

测，到2030年，全球将有大约63亿5G移动用户。此有价值的见解，例如语义分割，需要显著的计算能力

外，还有大量努力旨在塑造未来的6G网络，以应对诸[9]。无论使用轻量级模型和优化方法，计算需求仍然很

如超可靠低延迟通信、沉浸式通信或无处不在的连接大，尤其是在资源有限的环境中，比如当发射器是移动

[2]等具有挑战性的使用场景。它还将关注在通信中的终端时[9]。在带宽限制与日益增长的计算需求之间保

人工智能辅助，涵盖标准应用如自动驾驶、医疗协助中持平衡的挑战是实现语义通信更广泛应用的重大障碍。

的自主设备协作以及跨设备和网络分配计算密集型任在语义通