SwinJSCC：驯服 Swin Transformer 用于深度联合源信道编码
摘要：端到端优化的神经联合源信道编码（JSCC）作为实现语义通信的关键技术之一，在过去几年取得了巨大进展。许多最近的工作中，推动神经JSCC模型适应性或应用多样性的一个普遍趋势是基于卷积神经网络（CNN）骨干模型，其模型容量仍然有限，从根本上导致对传统编码传输系统的系统编码增益较低。本文提出了一种新的神经JSCC骨干模型，它可以在一个单一模型中灵活适应不同的信道条件和传输速率，我们的开源项目旨在促进这一领域的研究。具体而言，我们展示了精心设计的基于新兴Swin Transformer骨干的神经JSCC编解码器相较于基于CNN构建的传统神经JSCC编解码器在性能上具有优势，并且需要更低的端到端处理延迟。结合两个空间调制模块，根据信道状态信息和目标传输速率对潜在表示进行缩放，我们的基线SwinJSCC可以进一步升级为通用版本，增强了其适应不同信道条件和速率配置的能力。广泛的实验结果表明，我们的SwinJSCC在编码速度更快的同时实现了与最先进的工程化BPG + 5G LDPC编码传输系统相媲美或更好的性能，尤其是对于高分辨率图像，传统基于CNN的JSCC由于其有限的模型容量而落后。我们的开源代码和模型可在 href{https://github.com/semcomm/SwinJSCC}{https://github.com/semcomm/SwinJSCC}上获取。
作者：Ke Yang, Sixian Wang, Jincheng Dai, Xiaoqi Qin, Kai Niu, and Ping Zhang
论文ID：2308.09361
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-21