基于预训练语言模型的语义重要性感知通信
摘要：使用预训练的语言模型（例如ChatGPT、BERT等），本文提出了一种语义重要性感知通信（SIAC）方案。具体来说，我们提出了一种跨层设计，其中嵌入了/通过跨层管理器连接了一个预训练的语言模型。预训练的语言模型用于量化数据帧的语义重要性。基于量化的语义重要性，我们研究了语义重要性感知功率分配。与现有的基于深度联合源信道编码（Deep-JSCC）的语义通信方案不同，SIAC可以通过引入一个跨层管理器直接嵌入到当前通信系统中。我们的实验结果表明，与现有的相同优先级通信相比，所提出的SIAC方案可以实现较低的语义损失。
作者：Shuaishuai Guo and Yanhu Wang and Shujing Li and Nasir Saeed
论文ID：2302.07142
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-10