ワイヤレス画像伝送における軽量なジョイントソースチャネル符号化のための選択的深さ方向分離畳み込み

arXiv cs.CV / 2026/4/27

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、ワイヤレス画像伝送向けの深層学習ベースのジョイントソースチャネル符号化（JSCC）において、標準の畳み込み層（Conv）を深さ方向分離畳み込み（DSConv）層に置き換える方法と位置を検討します。
処理量と再構成品質のトレードオフを実現するため、層の位置や置換率に応じてConv→DSConvを選択的にスワップできる、構成可能な軽量JSCCフレームワークを提案します。
その結果、エンコーダ／デコーダの中間深度でConvを置換する場合に、計算量と性能のバランスが良いことが示され、DLベースJSCCには特定層での冗長性があることが示唆されます。
実験では、わずかな性能低下で大幅なパラメータ削減が達成でき、計算資源が限られたエッジデバイスでの柔軟な計算/品質調整を後押しします。
置換率のみの分析にとどまらず、層単位の置換戦略と、置換比率を固定したうえでの深度依存の影響も評価しています。

要旨: 深さ方向に分離した畳み込み（Depthwise separable convolutional; DSConv）層は、計算量を削減するために、深層学習（DL）ベースの共同ソースチャネル符号化（JSCC）方式へうまく適用されてきました。しかし、ワイヤレス画像伝送のためのJSCCシステムにおいて、標準の畳み込み（Conv）層をDSConv層にレイヤー単位および比率単位で置換することを体系的に調査する研究は、依然としてほとんど行われていません。本書簡では、選択的置換戦略を組み込んだ、構成可能な軽量JSCCフレームワークを提案します。これにより、さまざまな層位置および置換比率において、標準Conv層をDSConv層に柔軟に置換できます。置換される層の割合を調整することで、異なるモデル圧縮レベルを得て、それが再構成性能に与える影響を分析します。さらに、固定した置換比率のもとで、エンコーダおよびデコーダの異なる深さにおける置換が再構成品質にどのように影響するかを調べます。その結果、途中層におけるConvからDSConvへの置換が、良好な計算量と性能のトレードオフを達成し、DLベースのJSCCシステムにおける層単位の冗長性が示されます。大規模な実験により、提案フレームワークが、わずかな性能劣化のみで大幅なパラメータ削減を実現できること、つまり、リソース制約のあるエッジデバイスに対して柔軟な計算量−性能トレードオフを可能にすることもさらに実証されます。