Электрическая инженерия и системные науки > Обработка изображений и видеоматериалов [представлено 14 сентября 2026 года] Название: Semantic-Aware Neural Video Codec for Organ-Sustainability Transmission View PDF HTML (экспериментальное) Резюме. Мы предлагаем метод многоуровневого нейронного кодирования семантического видео для надежной передачи низколатных видео по ненадежным каналам, которые абстрагируются как мульти-уровневые каналы стирания пакетов. На основе нейронного кода DCVC-RT в реальном масштабе времени предлагаемая система вводит семантическую стратегию кодирования и программирования, которая разделяет кодируемые представления на пакеты, имеющие различные уровни семантичной и скрытой значимости для окружающей среды, а также отсылает эти пакеты к различным потокам, каждый из которых связан с уровнем приоритетности при передаче по ненадежным каналам связи. Мы также разработали модель, которая позволяет удалять межпакетные зависимости, позволяя расшифровать каждый пакет отдельно под потерей пакета. Вся система обучена по принципу " конец-конец &qt; на абстрактных многоуровневых каналах стирания пакетов, что дает возможность изучать изображения, ведомые каналом, вместе с заполнением пакетов с информацией о важности и одновременно облегчает сеть для дифференцированного определения приоритетности пакетов. Эксперименты показывают, что предлагаемая рамочная основа значительно повышает надежность по сравнению с базовыми показателями ССТС-РТ в рамках пакетных стираний…
Семантическое видеокодирование для передачи ошибок с низкой степенью устойчивости
arXiv:2609.16279v1 Annuaire Type: Cross Brieftal: Новые физические системы АИ требуют слабой, ориентированной на выполнение задач видеосвязи над ненадежными каналами. Мы предлагаем метод многоуровневого нейронного кодирования семантического видео для надежной передачи низколатных видео по ненадежным каналам, которые абстрагируются как мульти-уровневые каналы стирания пакетов. На основе нейронного кода DCVC-RT в реальном масштабе времени предлагаемая система вводит семантическую стратегию кодирования и программирования, которая разделяет кодируемые представления на пакеты, имеющие различные уровни семантичной и скрытой значимости для окружающей среды, а также отсылает эти пакеты к различным потокам, каждый из которых связан с уровнем приоритетности при передаче по ненадежным каналам связи. Мы также разработали модель, которая позволяет удалять межпакетные зависимости, позволяя расшифровать каждый пакет отдельно под потерей пакета. Полная система тренируется в конце от абстрактного многоуровневого пакета