来源：期刊VIP网 时间：
作者：伍忠东;甘炳坤;王鹏波;苟敬聪;丁尚思;
单位：兰州交通大学电子与信息工程学院;
摘要：近年来，基于Transformer的视觉模型，如Swin Transformer,在视觉任务中展现出良好的前景，然而这些方法通常侧重于减少原始数据与重建数据之间的信号失真，而忽略感知质量。针对传统均方误差(Mean Square Error, MSE)损失难以反映图像感知与语义质量的不足，设计了MSE与学习感知图像块相似度(Learned Perceptual Image Patch Similarity, LPIPS)的加权组合损失函数，从而构建基于Swin Transformer的语义通信框架，称为融合感知损失的联合信源信道编码(Swin Transformer with LPIPS-based Joint Source-Channel Coding, STL-JSCC)方法，显著提升了图像重建质量与语义还原能力。在性能评估方面，设计了图像语义偏差值(Images Semantic Deviation, ISD)与语义相似度(Images Semantic Similarity, ISS)2项指标，构建联合感知-语义评估体系，突破传统评价方法局限。实验结果表明，提出的STL-JSCC在各项指标上均优于其他模型，验证了所提方法在提升图像重建质量和语义提取能力上所具有的显著潜力和优势。
关键词：Swin Transformer;;语义通信;;学习感知图像块相似度;;语义评估
基金资助：甘肃省科技重大专项(22ZD6GA041)~~
