Toward a Unified Semantic Loss Model for Deep JSCC-based Transmission of EO Imagery

Resumo Técnico: Rumo a um Modelo de Perda Semântica Unificado para Transmissão de Imagens de EO baseada em DJSCC Profundo

Declaração do Problema
Os sistemas modernos de Observação da Terra (EO) geram imagens de alta resolução essenciais para aplicações como monitoramento ambiental, resposta a desastres e análise do uso do solo. No entanto, o aumento da resolução e da frequência de aquisição dos sensores de EO cria volumes de dados que sobrecarregam os sistemas de comunicação via satélite, os quais são limitados por largura de banda restrita, orçamentos de potência rigorosos e condições dinâmicas de canal. Os métodos de transmissão tradicionais, que separam a codificação de fonte (ex: JPEG2000) e a codificação de canal (ex: LDPC), frequentemente falham em otimizar o desempenho sob essas restrições, particularmente quando o teorema da separação não se aplica. Embora a Codificação Conjunta Fonte-Canal Profunda (DJSCC) ofereça uma alternativa promissora de ponta a ponta, há uma carência de modelos tratáveis para quantificar a "perda semântica". Os modelos existentes tratam as distorções de fonte e canal como independentes ou falham em capturar a relação bidimensional entre parâmetros de compressão e qualidade de canal, tornando difícil equilibrar a fidelidade de reconstrução da imagem com o desempenho de tarefas de jusante (downstream).

Metodologia
Os autores propõem uma abordagem orientada a dados para modelar a perda semântica em sistemas de transmissão de EO baseados em DJSCC. O estudo utiliza o conjunto de dados EuroSAT, um benchmark de larga escala de 27.000 imagens de satélite Sentinel-2 (64x64 pixels, 13 bandas espectrais) distribuídas em 10 classes de uso do solo.

O arcabouço experimental avalia dois aspectos complementares do desempenho de DJSCC:

1. Centrado na Reconstrução: Medindo a fidelidade visual usando a Razão Sinal-Ruído de Pico (PSNR), o Índice de Similaridade Estrutural (SSIM) e o Erro Quadrático Médio (MSE) sob variadas taxas de compressão ($\rho$) e Razões Sinal-Ruído de canal (SNR, $\gamma$).
2. Orientado à Tarefa: Integrando o arcabouço DJSCC com um classificador leve e específico para a aplicação, o EfficientViT, para medir a precisão, o recall e a acurácia da tarefa de jusante.

Para modelar a relação entre os parâmetros do sistema ($\rho$ e $\gamma$) e as métricas de desempenho, os autores empregam um modelo de perda semântica unificado definido como uma função não linear. Como as ferramentas padrão de ajuste de curvas não puderam lidar com a estrutura multidimensional necessária, os autores desenvolveram um algoritmo de otimização de gradiente descendente personalizado (Algoritmo 1) para estimar os parâmetros do modelo ($\mu_{i,j}$). O modelo proposto (Equação 1) é uma função bidimensional que depende conjuntamente da taxa de compressão e do SNR do canal.

Principais Contribuições

• Arcabouço de Perda Semântica Unificado: O artigo introduz um novo modelo que captura o desempenho centrado na reconstrução e orientado à tarefa dentro de um único arcabouço matemático. Diferentemente de trabalhos anteriores que modelam a distorção como uma soma de componentes independentes ou utilizam funções unidimensionais de SNR, este modelo caracteriza explicitamente a relação implícita e acoplada entre as configurações de compressão DJSCC, as condições de canal e a qualidade semântica.
• Validação Empírica: O estudo fornece extensos resultados empíricos através de seis métricas diferentes (PSSR, SSIM, MSE, Acurácia, Precisão, Recall) e dois aspectos de avaliação (reconstrução de imagem e classificação) utilizando dados reais de EO.
• Análise Comparativa: O modelo proposto é testado contra modelos de perda semântica existentes, especificamente o modelo Sigmoide Generalizado [9] e o modelo Soma de Exponenciais [10].

Resultos
Experimentos extensos demonstram que o modelo unificado proposto supera significativamente as abordagens existentes.

• Precisão de Ajuste: A Tabela III mostra o Erro Quadrático Médio (MSE) médio entre os dados medidos e os valores ajustados. Para uma taxa de compressão de $\rho=12$, o modelo proposto alcançou um MSE de 0,0407, comparado a 0,2474 para o modelo Sigmoide Generalizado e 0,0521 para o modelo Soma-Exp. Melhorias semelhantes foram observadas em $\rho=8$.
• Dimensionalidade: Enquanto os modelos existentes são restritos a funções unidimensionais de SNR (exigindo taxas de compressão fixas para o ajuste), o modelo proposto captura com sucesso o comportamento bidimensional do sistema, permitindo a otimização simultânea dos parâmetros de compressão e de canal.
• Ajuste Visual: As Figuras 2 e 3 ilustram que o ajuste de curva proposto alinha-se estreitamente com os dados empíricos em todos os cenários testados, incluindo tanto o caso bruto DJSCC-AWGN quanto o caso EfficientViT-DJSCC-AWGN.

Significância
O artigo afirma que este arcabouço de perda semântica unificada oferece insights acionáveis para o design de sistemas de transmissão de imagens de EO robustos e eficientes sob links de satélite com recursos limitados. Ao fornecer um modelo tratável que vincula os parâmetros de compressão e as condições de canal aos resultados de nível de aplicação, o trabalho aborda uma lacuna crítica no design de sistemas de comunicação semântica. Ele permite que engenheiros prevejam melhor como os impedimentos de transmissão afetam tanto a qualidade visual das imagens reconstruídas quanto a precisão das tarefas de IA de jusante, facilitando o desenvolvimento de sistemas de comunicação de EO conscientes de tarefas e eficientes em termos de largura de banda. Os autores posicionam este trabalho como uma extensão de sua pesquisa anterior sobre comunicação semântica usando o padrão DVB-S2, agora especificamente adaptada às complexidades de DJSCC em Observação da Terra.