전송기와 수신기가 서로 다른 다중 도메인에서 동작하거나, 추론 시 입력 데이터가 의미 인코더와 디코더를 학습할 때 사용된 데이터와는 다른 분포적 특성을 보일 때, 의미 통신에서의 도메인 적응 문제는 매우 중요해진다. 본 논문에서는 다중도메인 적응형 딥 의미 통신(Multidomain Adaptive Deep Semantic Communication, MA-DeepSC) 프레임워크를 제안하여 다중 도메인 전반에서 의미 통신의 성능을 향상시키고자 한다. 우리의 프레임워크는 두 가지 핵심 구성요소로 이루어진다. 첫째, 다중도메인 적응형 의미 코딩 네트워크(Multidomain Adaptive Semantic Coding Network, MASCN)는 여러 도메인에 걸쳐 의미 인코딩 및 디코딩을 적응하도록 본질적으로 설계되었고, 둘째, 다중도메인 데이터 적응 네트워크(Multidomain data adaptation network, MDAN)는 실제로 관측 가능한 데이터를 시스템이 최초에 학습된 데이터로 변환함으로써, 기존의 사전 학습된 의미 코딩 네트워크를 재학습할 필요를 없앤다. 우리는 본 접근법을 숫자(digit) 데이터셋과 CelebA에 대한 실험을 통해 검증하였으며, 기존 기법들에 비해 유의미한 성능 우위를 확인하였다. 또한, MASC와 MDAN 각각의 전략적 이점과 단점을 분석하여 다양한 시나리오에서의 적용 가능성을 평가한다. MA-DeepSC의 소스 코드는 https://github.com/wongdongwook/JSAC_MA-DeepSC 에서 제공된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.