PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.09183v1cs.IT

생성형 통신: 개요, 기술 및 트렌드

Generative Communications: Overview, Technologies, and Trends

생성형 인공지능(AI)의 획기적인 발전은 이미지와 비디오 같은 콘텐츠를 생성하는 능력을 빠르게 향상시키며 통신 패러다임을 재편하고 있다. 본 논문은 생성형 통신(GenCom)을 소개한다. 이는 대규모 AI 모델(LAM)이 의미론적 이해, 추론, 콘텐츠 생성을 주도하며 이를 통신 과정에 임베딩하는 6G 네트워크를 위한 새로운 패러다임이다. 정확한 비트 전송을 엄격히 추구하는 기존 시스템과 달리, GenCom은 송신기가 최소한이지만 충분한 정보만 전달할 수 있게 하는 한편, 수신기는 공유된 생성형 사전 정보(generative priors)와 지식 베이스를 활용하여 의도된 출력을 합성한다. 이로써 통신은 데이터 재현이 아닌 제어된 생성으로 재정의된다. 우리는 GenCom의 개념을 형식화하고, AI 네이티브(AI-native) 및 생성 주도형(generation-driven) 특성을 명확히 하며, 핵심 메커니즘을 제시한다. 핵심 기술들로 지원되는 2층 GenCom 아키텍처를 제안하고, 네 가지 대표적인 응용 시나리오 분석을 통해 GenCom이 초효율적 전송, 의미론적 수준의 견고성, 그리고 새로운 네트워크 기능을 제공함을 보여준다. 마지막으로, 기초 이론 및 실시간 처리를 포함한 향후 연구 방향을 제시하며, 6G 네트워크를 향한 유망한 경로를 강조한다.

arXiv:2606.31303v1eess.SP

Minimizing Quantized Semantic Age of Information (QSAoI) in Foundation Model-Based Semantic Communications

6G 시맨틱 통신에서 정보의 신선도와 시맨틱 정확도를 동시에 포착하는 새로운 지표인 QSAoI(Quantized Semantic Age of Information)를 제안하며, CLIP 기반 파운데이션 모델과 블록 단위 혼합 정밀도 양자화(MPQ) 전략을 결합한 공동 최적화 프레임워크를 통해 유한 블록길이(FBL) 환경에서 기존 기준 대비 QSAoI를 효과적으로 최소화함을 시뮬레이션으로 검증한다.

arXiv:2606.12858v1cs.IT

JSCGC: 무선 생성 통신을 위한 결합 소스-채널-생성 코딩

JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications

기존 통신 시스템의 왜곡 지표가 인간의 시각적 지각을 포착하지 못하는 문제를 해결하기 위해, 수신측 디코더를 생성 모델로 대체하여 수신 신호를 조건으로 제어된 생성을 수행하는 Joint Source-Channel-Generation Coding (JSCGC)를 제안한다. 이 방법은 다양한 채널 조건에서 특징 기반, 의미론적, 분포적 품질을 개선하며 왜곡이 아닌 의미적 불일치라는 독특한 오류 특성을 보인다.