来源：期刊VIP网 时间：
作者：承楠;王秀程;沈学民;
单位：西安电子科技大学;滑铁卢大学;
摘要：创新性地提出了一种基于隐扩散模型（LDM）的语义通信架构，能够利用预训练生成模型实现无需重新训练的语义特征还原。借助LDM固有的去噪能力，该架构在面对信道噪声扰动和分布外输入时，依然能够保持稳定的重构性能。此外，该架构支持灵活集成外部大模型资源，显著提升了语义通信系统的演进能力。在大规模图像数据集上的实验结果表明，该方法在低信噪比（SNR）条件下仍具有优异的图像恢复与语义保真能力，尤其在基于学习的感知相似度等语义指标上显著优于现有主流方法。本研究为资源受限设备的机器语义通信提供了全新思路，具有良好的实用性与推广潜力。
关键词：语义通信;;隐扩散模型;;机器通信;;机器视觉;;信道鲁棒性
基金资助：国家重点研发计划项目（2024YFB907500）
