無線圖像傳輸技術可以像人類一樣直觀地過濾掉冗餘數據。

UNIST 研究人員開發的新型人工智能技術有望顯著減少圖像傳輸過程中的數據開銷，為自動駕駛車輛、遠程手術和診斷以及實時元宇宙渲染（需要快速、大規模無延遲視覺數據交換的應用程序）的進步鋪平道路。

由UNIST人工智能研究生院的Sung Wang Yoon教授領導的研究小組開發了任務自適應語義通信，這是一種創新的無線圖像傳輸方法，可以選擇性地僅傳輸與特定任務相關的最重要的語義信息。他們的研究 發表 V IEEE 通信選定領域期刊。

當前的無線圖像傳輸技術壓縮整個圖像，沒有考慮對象、位置和關係等底層語義結構，導致帶寬限制和傳輸延遲，使得實時交換高分辨率圖像變得困難。

相比之下，新技術可以智能地過濾和傳輸完成任務所需的關鍵語義組件。例如，如果目標只是對圖像中的對象進行分類，則僅發送有關對象的信息，例如“貓”或“汽車”。然而，如果任務涉及創建詳細圖像，系統會傳輸有關對象位置及其關係的附加數據，例如“戴帽子的貓”或“坐在椅子上的男人”。

此外，該團隊還應用了語義過濾算法來刪除冗餘信息，例如普遍正確的陳述（例如“該人有頭”）或重複數據（例如“手中的桿子”和“人拿著桿子”），從而減少不必要的數據傳輸，同時保留任務的基本上下文。

仿真結果表明，該方法的傳輸效率比傳統方法高出 45 倍，即使在不同的無線信道條件下也能實現實時視覺任務。

雲教授表示：“未來的無線通信不僅注重準確的數據傳輸，更注重有意義的信息傳輸。這項研究標誌著智能無線通信轉型的轉折點。”

第一作者 Jeonghoon Park 補充道：“該技術預計將支持關鍵任務應用，例如自動駕駛車輛感知系統、遠程醫療程序和實時元宇宙渲染，這些應用中需要快速可靠地共享大規模視覺數據。”