声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：秦海龙, 戴金晟, 王思贤, 姚圣时, 牛凯, 许文俊
单位：1. 北京邮电大学 泛网无线通信教育部重点实验室，北京 100876,2. 北京邮电大学 网络与交换技术全国重点实验室，北京 100876
关键词：生成式视觉语义通信,扩散模型,逆问题,最大后验估计
基金：国家重点研发计划项目(2024YFF0509700),国家自然科学基金面上项目(62371063),北京市自然科学基金-海淀原始创新联合基金项目(L232047)
端到端语义通信通过深度学习模型提取数据的语义特征，实现了以意图为导向的通信过程，显著提升了传输效率。然而，现有的基于判别式模型的语义通信范式采用符号级率—失真优化，仅根据接收信号进行最大似然估计，难以满足用户的感知需求。为保障传输数据的视觉质量，生成式视觉语义通信范式应运而生，该范式采用率—失真—感知优化框架，通过最大后验估计实现数据传输与人类感知的对齐。扩散模型在可控视觉生成方面的优势促使其成为生成式视觉语义通信的重要工具。然而，现有研究缺乏对扩散模型赋能语义通信技术路径的系统梳理。为此，该文将通信过程建模为数学逆问题，阐述了扩散模型通过后验采样求解语义压缩与传输问题的一般方法论，表明了基于扩散模型的解码器能实现数据的高效压缩并在恶劣的信道环境下保持传输韧性，进而对扩散模型在生成式视觉语义通信领域的未来研究进行展望。
来源：2025年第11期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。