📖 AI 总结

本文提出 AdapToC，一个面向视觉重建的自适应视觉 token 通信框架，旨在突破现有方法依赖静态策略、且以 token 级准确率为优化目标却未必提升图像重建质量的局限。该框架在发送端联合建模图像内容、信道状态与通信预算，实现实例级资源分配，动态决定传输 token 数量，并依据 token 重要性和信道条件分配差异化保护等级；在接收端引入自适应 MaskGIT 接收器，将信道可靠性纳入上下文 token 建模，区分不同可靠程度的 token，保留高置信观测、纠正可能受损的 token，并迭代重建缺失内容。通过协同设计 token 数量、非等重保护与可靠性感知恢复，AdapToC 在相同通信开销下相较最强静态基线取得最高 4.20 dB 的平均 PSNR 增益，在所评估的视觉 token 通信方法中达到领先水平。该工作表明，以重建质量为导向、兼顾内容与信道的自适应策略，比单纯追求 token 准确率更能有效提升视觉传输性能。

🔑 关键词速览