Resumen: Los avances recientes en la inteligencia artificial generativa han introducido enfoques innovadores para innovar la comunicación semántica de próxima generación, lo que prioriza la transmisión del significado de un mensaje en lugar de simplemente transmitir datos sin procesar. Un desafío fundamental en la comunicación semántica radica en identificar y extraer con precisión la información semántica más crítica mientras se adapta a las tareas aguas abajo sin degradar el rendimiento, particularmente cuando el objetivo en el receptor puede evolucionar con el tiempo. Para permitir una adaptación flexible a múltiples tareas en el receptor, este trabajo presenta un nuevo marco de comunicación semántica, que es capaz de capturar conjuntamente información específica de tareas para mejorar el rendimiento de la tarea aguas abajo e información contextual. A través de rigurosos experimentos en conjuntos de datos de imágenes populares y tareas de visión por computadora, nuestro marco muestra una mejora prometedora en comparación con el trabajo existente, incluido el rendimiento superior en las tareas posteriores, una mejor generalización, una eficiencia de ancho de banda ultra alta y baja latencia de reconstrucción.
Publicado Originalme en rss.arxiv.org El 18 de mayo de 2025.
Ver Fuente Original
