首个实时语义通信平台SafeStep：行人监控任务损失直降92.1%，20用户流畅5帧/秒！
SafeStep: An Interactive Demonstration of Semantic Communication for Pedestrian Safety Monitoring
📖 AI 总结
SafeStep是一个基于浏览器的交互式语义通信平台，用于实时行人安全监控。该系统从四个实时交通摄像头提取行人信息，通过加性高斯白噪声信道传输，并为每个用户渲染个性化的位置、轨迹和风险标签。平台允许独立选择收发器、信噪比、码长和信息年龄等参数，并实时展示配置性能。SafeStep将新提出的Meta-VIB语义通信设计与五种基线收发器对比，该模型仅用416万参数即可在不同信噪比、码长和信息年龄下泛化，无需在线重训。实验显示，Meta-VIB平均任务损失降低最高达92.1%。在高性能GPU服务器上，系统可支持20个用户维持5帧/秒的目标帧率；100个用户并发请求不同配置时无请求失败，平均响应时间低于1秒，但帧率降至约1帧/秒。SafeStep是首个让信息年龄引起的下游性能退化在实时监控中直接可见的语义通信平台。
🔑 关键词速览
| Semantic Communication | 语义通信，一种超越比特级传输的通信范式，旨在传输数据的含义或语义，以提高效率。 |
| Meta-VIB | 一种基于变分信息瓶颈的语义通信设计，使用紧凑神经网络在不同信道条件下泛化。 |
| Age of Information (AoI) | 信息年龄，衡量数据从生成到被接收所经历的时间延迟，反映信息的新鲜度。 |
| Additive White Gaussian Noise (AWGN) | 加性高斯白噪声，一种常见的信道噪声模型，用于模拟通信中的随机干扰。 |
| Task Loss | 任务损失，在特定任务（如行人安全监控）中，由于通信错误或延迟导致的性能下降度量。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅