Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2508.17920

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2508.17920 (eess)
[提交于 2025年8月25日 (v1) ,最后修订 2025年9月1日 (此版本, v2)]

标题: 基于提示的多模态语义通信用于多光谱图像分割

标题: Prompt-based Multimodal Semantic Communication for Multi-spectral Image Segmentation

Authors:Haoshuo Zhang, Yufei Bo, Hongwei Zhang, Meixia Tao
摘要: 多模态语义通信因其能够提升下游任务性能而受到广泛关注。 此类系统中的一个关键挑战是有效融合不同模态的特征,这需要从每个模态中提取丰富且多样的语义表示。 为此,我们提出了ProMSC-MIS,一种基于提示的多光谱图像分割多模态语义通信系统。 具体而言,我们提出了一种预训练算法,其中来自一个模态的特征作为另一个模态的提示,引导单模态语义编码器学习多样且互补的语义表示。 我们进一步引入了一个语义融合模块,结合交叉注意力机制和挤压-激励(SE)网络以有效地融合跨模态特征。 仿真结果表明,ProMSC-MIS在各种信道-源压缩级别上显著优于基准方法,同时保持低计算复杂度和存储开销。 我们的方案在自动驾驶和夜间监控等应用中具有很大的潜力。
摘要: Multimodal semantic communication has gained widespread attention due to its ability to enhance downstream task performance. A key challenge in such systems is the effective fusion of features from different modalities, which requires the extraction of rich and diverse semantic representations from each modality. To this end, we propose ProMSC-MIS, a Prompt-based Multimodal Semantic Communication system for Multi-spectral Image Segmentation. Specifically, we propose a pre-training algorithm where features from one modality serve as prompts for another, guiding unimodal semantic encoders to learn diverse and complementary semantic representations. We further introduce a semantic fusion module that combines cross-attention mechanisms and squeeze-and-excitation (SE) networks to effectively fuse cross-modal features. Simulation results show that ProMSC-MIS significantly outperforms benchmark methods across various channel-source compression levels, while maintaining low computational complexity and storage overhead. Our scheme has great potential for applications such as autonomous driving and nighttime surveillance.
评论: 完整版,arXiv:2508.20057,已更新
主题: 图像与视频处理 (eess.IV) ; 多媒体 (cs.MM)
引用方式: arXiv:2508.17920 [eess.IV]
  (或者 arXiv:2508.17920v2 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.17920
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Haoshuo Zhang [查看电子邮件]
[v1] 星期一, 2025 年 8 月 25 日 11:38:50 UTC (1,453 KB)
[v2] 星期一, 2025 年 9 月 1 日 11:33:31 UTC (1 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.MM
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号