DeepJSCC

基于知识蒸馏和GAN的6G机器人车辆网络增强

研究人员开发了一个名为KDG-SemNOMA的新型框架，用于6G机器人车辆网络，旨在在带宽和能源限制下提高视觉感知能力。该框架采用基于ConvNeXt的DeepJSCC架构，并带有用于信道自适应的注意力特征模块。为了减少干扰，采用了知识蒸馏策略，其中教师模型指导学生模型。此外，通道条件GAN对输出进行精炼，以生成具有逼真纹理的高保真图像，在准确性和感知质量方面均优于现有方法。