ترجمه فارسی مقاله ارتباط معنایی تصویر قابل اعتماد با GenAI: قابلیت توضیح، کنترل‌پذیری و کارایی

چکیده

Image semantic communication (ISC) has garnered significant attention for its potential to achieve high efficiency in visual content transmission. However, existing ISC systems based on joint source-channel coding face challenges in interpretability, operability, and compatibility. To address these limitations, we propose a novel trustworthy ISC framework. This approach leverages text extraction and segmentation mapping techniques to convert images into explainable semantics, while employing Generative Artificial Intelligence (GenAI) for multiple downstream inference tasks. We also introduce a multi-rate ISC transmission protocol that dynamically adapts to both the received explainable semantic content and specific task requirements at the receiver. Simulation results demonstrate that our framework achieves explainable learning, decoupled training, and compatible transmission in various application scenarios. Finally, some intriguing research directions and application scenarios are identified.

چکیده به فارسی (ترجمه ماشینی)

ارتباط معنایی تصویر (ISC) توجه قابل توجهی را برای دستیابی به راندمان بالا در انتقال محتوای بصری جلب کرده است.با این حال ، سیستم های ISC موجود مبتنی بر برنامه نویسی کانال منبع مشترک در تفسیر ، عملکرد و سازگاری با چالش هایی روبرو هستند.برای پرداختن به این محدودیت ها ، ما یک چارچوب ISC قابل اعتماد جدید را پیشنهاد می کنیم.این رویکرد از استخراج متن و تکنیک های نقشه برداری تقسیم بندی برای تبدیل تصاویر به معناشناسی قابل توضیح ، ضمن استفاده از هوش مصنوعی مولد (Genai) برای چندین کار استنتاج پایین دست استفاده می کند.ما همچنین یک پروتکل انتقال چند نرخ ISC را معرفی می کنیم که به طور پویا با محتوای معنایی قابل توضیح و مورد نیاز کار خاص در گیرنده سازگار است.نتایج شبیه سازی نشان می دهد که چارچوب ما به یادگیری قابل توضیح ، آموزش جدا شده و انتقال سازگار در سناریوهای مختلف کاربردی دست می یابد.سرانجام ، برخی از مسیرهای تحقیق جذاب و سناریوهای کاربردی مشخص می شوند.