CommIN: 基于 INN 引导的扩散模型的逆问题的语义图像传输
原文约300字，阅读约需1分钟。发表于：。在这项研究中，我们提出了 CommIN，它将从退化重构中恢复高质量源图像视为一个逆问题，并通过结合可逆神经网络（INN）和扩散模型来实现更好的感知质量。通过实验证明，在极端条件下，我们的 CommIN 在感知质量上显著提高，相比 DeepJSCC 在这方面优于其他逆问题方法。
该文介绍了一种利用深度学习的新方案来解决噪声无线信道上的图像传输问题。该方案利用目标图像的范围 - 零空间分解，通过编码传输图像的范围空间，并采用 DDPM 逐步改进其零空间内容。实验结果表明，该方案在重建图像的失真和感知质量方面有显着改进。作者将公开共享源代码以促进进一步的研究和可重复性。
