Key points are not available for this paper at this time.
Die semantische Kommunikation hat aufgrund der jüngsten schnellen Entwicklungen im Bereich der künstlichen Intelligenz (KI) eine erhebliche Evolution durchlaufen, was sowohl die Robustheit als auch die Effizienz der Kommunikation deutlich verbessert hat. Trotz dieser Fortschritte richten die meisten aktuellen semantischen Kommunikationsmethoden für die Bildübertragung wenig Aufmerksamkeit auf die unterschiedliche Wichtigkeit von Objekten und Hintergründen in Bildern. Um dieses Problem zu lösen, schlagen wir ein neuartiges Schema namens ASCViT-JSCC vor, das Vision Transformer (ViTs) integriert mit einem orthogonalen Frequenzmultiplexverfahren (OFDM) nutzt. Dieses Schema weist Bandbreite adaptiv für Objekte und Hintergründe in Bildern entsprechend der Wichtigkeitsreihenfolge der verschiedenen Teile zu, die durch die Objekterkennung von You Only Look Once Version 5 (YOLOv5) und die Merkmals-Punkt-Erkennung der Scale-Invariant Feature Transform (SIFT) bestimmt werden. Darüber hinaus hält das vorgeschlagene Schema an den Standards der digitalen Modulation fest, indem es Quantisierungsmodule integriert. Wir validieren diesen Ansatz durch eine Over-The-Air (OTA) Testumgebung, die als Intelligent Communication Prototype Validation Platform (ICP) auf einem softwaredefinierten Radio (SDR) und NVIDIA Embedded Kits basiert. Unsere Ergebnisse aus sowohl Simulationen als auch praktischen Messungen zeigen, dass ASCViT-JSCC Objekte in Bildern signifikant bewahrt und die Rekonstruktionsqualität im Vergleich zu bestehenden Methoden verbessert.
Ding et al. (Mi,) haben diese Frage untersucht.