[논문 리뷰] Optimization of Image Transmission in a Cooperative Semantic Communication Networks

Wenjing Zhang, Yining Wang외 3명|arXiv (Cornell University)|2023. 01. 01.

Brain Tumor Detection and Classification인용 수 4

한 줄 요약

이 논문은 이미지 의미를 표현하기 위해 시나리오 그래프를 사용하는 협업적 의미 통신 프레임워크를 제안하며, 성능 평가를 위해 이미지에서 그래프로의 의미 유사도(ISS) 지표를 도입한다. 각 사용자에 대한 ISS 제약 조건 하에 전송 지연을 최소화하는 자원 할당 문제를 수립하고, 분산된 협업적 RB 할당을 가능하게 하는 밸류 분해 기반 엔트로피 최대화 다중에 agen트 강화학습(VD-ERL) 알고리즘을 제안하여 기존 기준 대비 지연을 최대 16.1% 감소시키고 수렴 속도를 100% 향상시킨다.

ABSTRACT

In this paper, a semantic communication framework for image transmission is developed. In the investigated framework, a set of servers cooperatively transmit images to a set of users utilizing semantic communication techniques. To evaluate the performance of studied semantic communication system, a multimodal metric is proposed to measure the correlation between the extracted semantic information and the original image. To meet the ISS requirement of each user, each server must jointly determine the semantic information to be transmitted and the resource blocks (RBs) used for semantic information transmission. We formulate this problem as an optimization problem aiming to minimize each server's transmission latency while reaching the ISS requirement. To solve this problem, a value decomposition based entropy-maximized multi-agent reinforcement learning (RL) is proposed, which enables servers to coordinate for training and execute RB allocation in a distributed manner to approach to a globally optimal performance with less training iterations. Compared to traditional multi-agent RL, the proposed RL improves the valuable action exploration of servers and the probability of finding a globally optimal RB allocation policy based on local observation. Simulation results show that the proposed algorithm can reduce the transmission delay by up to 16.1% compared to traditional multi-agent RL.

연구 동기 및 목표

• 원시 데이터 대신 의미 정보를 사용하여 효율적인 이미지 전송을 위한 협업적 의미 통신 프레임워크를 개발한다.
• 원본 이미지 대비 전송된 의미 정보의 무결성을 평가하기 위해 다중모odal 지표인 이미지-그래프 의미 유사도(ISS)를 설계한다.
• 간섭 제약 조건 하에 다수의 서버에서 의미 정보 선택과 자원 블록(RB) 할당을 공동 최적화한다.
• 다중 서버, 다중 사용자 무선 네트워크에서 동일 주파수 대역 간섭 문제를 협업적이고 분산된 의사결정을 통해 해결한다.
• 동적 무선 의미 통신 환경에서 기존의 다중에 agen트 강화학습에 비해 수렴 속도 향상과 지연 성능 향상을 달성한다.

제안 방법

• 객체와 관계로 구성된 시나리오 그래프를 사용해 인간이 이해할 수 있는 의미 표현 방식으로 이미지 의미를 모델링한다.
• 원본 이미지와 전송된 의미 정보 간의 상관관계를 정량화하기 위해 이미지-그래프 의미 유사도(ISS) 지표를 도입한다.
• 각 사용자에 대한 ISS 요구 조건을 충족하면서 평균 전송 지연을 최소화하는 공동 최적화 문제를 수립한다.
• 분산된 협업적 RB 할당을 위한 밸류 분해 기반 엔트로피 최대화 다중에 agen트 강화학습(VD-ERL) 알고리즘을 제안한다.
• 탐색을 향상시키기 위해 엔트로피 최대화를 활용하고, 국소 관측에서 전역 정책 조율을 가능하게 하기 위해 밸류 분해를 적용한다.
• 협력과 확장성의 균형을 이루기 위해 중앙 집중적 훈련과 분산 실행(CTDE) 패러다임을 활용한다.

실험 결과

연구 질문

• RQ1 무선 전송에 적합한 인간이 이해할 수 있는 형태로 이미지 의미를 효과적으로 표현할 수 있는가?
• RQ2 원본 이미지와 비교해 전송된 이미지 의미 정보의 의미 무결성을 정확하게 평가할 수 있는 지표는 무엇인가?
• RQ3 간섭 제약 조건 하에 다수의 협업 서버에서 자원 블록을 공동으로 할당하여 전송 지연을 최소화할 수 있는가?
• RQ4 밸류 분해와 엔트로피 최대화를 통합한 다중에 agen트 RL 프레임워크가 기존의 다중에 agen트 RL보다 협업적 의미 통신에서 우수한 성능을 보일 수 있는가?
• RQ5 제안된 VD-ERL 알고리즘이 협업적 의미 기반 이미지 전송 시스템에서 수렴 속도 향상과 지연 감소에 얼마나 기여하는가?

주요 결과

• 제안된 VD-ERL 알고리즘은 기존의 다중에 agen트 강화학습 기준 대비 평균 전송 지연을 최대 16.1% 감소시킨다.
• 기존의 다중에 agen트 강화학습 방법 대비 수렴 속도를 최대 100% 향상시킨다.
• 이미지-그래프 의미 유사도(ISS) 지표는 전송된 의미 정보와 원본 이미지 콘텐츠 간의 유사성을 효과적으로 반영하며, 더 높은 점수의 의미 삼중항을 전송할수록 높은 ISS를 달성한다.
• 더 높은 점수를 가진 의미 삼중항, 예를 들어 "여자 손에 라켓 쥐고 있는"(점수: 0.1351)은 우선순위가 높고 의미 무결성에 더 중요한 역할을 한다.
• VD-ERL 알고리즘은 협업적 RB 할당을 가능하게 하여, 독립적 DQN 기준 대비 동일 사용자에게 다수의 서버가 자원을 할당하는 충돌을 방지한다.
• 시뮬레이션 결과는 ISS가 전송된 의미 삼중항의 수와 함께 단조적으로 증가함을 확인하여 지표의 일관성과 효과성을 검증한다.