Generative Semantic Communication via Alternating Dual-Domain Posterior Sampling

1. Problema e Contexto

A comunicação semântica (SemCom) visa transmitir apenas informações relevantes para a tarefa, melhorando a eficiência em comparação com a comunicação orientada a bits. Embora métodos de codificação conjunta fonte-canal (DeepJSCC) tenham avançado, eles frequentemente produzem reconstruções de baixa qualidade perceptual (borradas e super-suavizadas) ao otimizar métricas de distorção tradicionais (como MSE).

Métodos recentes que utilizam modelos generativos (como GANs e Modelos de Difusão) tentaram mitigar isso usando priores generativos. No entanto, o artigo identifica duas limitações fundamentais nas abordagens atuais:

• Estimativa MAP vs. Amostragem Posterior: A maioria dos receptores baseia-se na estimativa de Máxima A Posteriori (MAP). O MAP é um estimador pontual que colapsa a distribuição posterior completa em uma única solução, falhando em preservar a distribuição de dados original e limitando a qualidade perceptual.
• Limitações da Guia de Domínio Único: Abordagens baseadas em difusão que usam apenas um domínio de guia enfrentam problemas:
  • Guia no Domínio Latente (Z): É sensível ao ruído do canal, especialmente em baixas taxas de SNR (Relação Sinal-Ruído).
  • Guia no Domínio de Imagem (X): Pode descartar evidências semânticas contidas no sinal recebido e herdar vieses do decodificador.
  • Combinação Simultânea: Aplicar ambas as guias simultaneamente cria um "pseudo-posterior" excessivamente confiante (overconfident), pois trata evidências correlacionadas como independentes, levando a conflitos de gradiente e instabilidade.

2. Metodologia Proposta: ADDPS

Os autores propõem o ADDPS (Alternating Dual-Domain Posterior Sampling), um receptor de comunicação semântica baseado em difusão que formula a decodificação como um problema inverso bayesiano.

Fundamentação Teórica

• Problema Bayesiano: A decodificação é tratada como a amostragem da distribuição posterior $p(x|\hat{z})$, onde $x$ é a imagem original e $\hat{z}$ é o sinal recebido ruidoso.
• Superioridade da Amostragem: O artigo prova matematicamente que a amostragem posterior preserva a distribuição de dados (atingindo qualidade perceptual ótima), enquanto o MAP não.
• Modelo de Verossimilhança: A verossimilhança é modelada considerando tanto o sinal recebido no canal ($\hat{z}$) quanto a saída do decodificador semântico ($\tilde{x}$).

O Mecanismo de Amostragem Alternada

Para evitar os problemas de combinar as duas fontes de informação simultaneamente, o ADDPS utiliza uma estratégia de alternância durante o processo de difusão reversa:

1. Consistência no Domínio Z (Latente): Em passos pares ($t \mod 2 = 0$), o algoritmo aplica um gradiente que força a consistência entre o sinal gerado e o sinal recebido pelo canal ($\hat{z}$). Isso garante a fidelidade semântica original.
2. Consistência no Domínio X (Imagem): Em passos ímpares ($t \mod 2 = 1$), o algoritmo aplica um gradiente que força a consistência entre a imagem gerada e a saída do decodificador semântico ($\tilde{x}$). Como o decodificador é robusto ao ruído do canal, isso fornece uma orientação mais estável em baixas SNRs.
3. Vantagem da Alternância: Ao alternar, o método evita conflitos de gradiente, permite que cada domínio corrija completamente a estimativa intermediária antes que o outro refine, e evita a criação de um pseudo-posterior superconfiante.

O processo é detalhado no Algoritmo 1, onde a amostragem começa com uma inicialização baseada na saída do decodificador e refina iterativamente a imagem alternando entre os dois tipos de guia.

3. Contribuições Principais

1. Formulação Bayesiana e Prova de Otimidade: Os autores formulam a decodificação semântica como um problema de amostragem posterior e provam que o MAP falha em preservar a distribuição de dados, enquanto a amostragem posterior é distribucionalmente ótima.
2. Esquema de Guia Dual Alternado (ADDPS): Propõem uma nova estratégia que explora a robustez complementar dos domínios latente e de imagem, evitando os artefatos causados pela guia simultânea.
3. Desempenho Superior em Cenários Desafiadores: Demonstram experimentalmente que o método supera os estados da arte em condições extremas de compressão e ruído.

4. Resultados Experimentais

Os experimentos foram conduzidos no dataset FFHQ (imagens de rostos) com uma resolução de 256x256, utilizando uma taxa de compressão de banda de 1/192 e um canal AWGN com SNR = 1 dB.

• Comparação com Baselines: O ADDPS foi comparado com DeepJSCC, DeepJSCC-LPIPS, InverseJSCC e HiFi-DiffCom.
• Métricas de Qualidade Perceptual:
  • O ADDPS (com 1000 passos de difusão) alcançou o FID mais baixo (56.94), superando o HiFi-DiffCom (59.54) e o DeepJSCC (108.62).
  • Também obteve os melhores resultados em PIEAPP e LPIPS, indicando maior realismo e similaridade estrutural perceptual.
• Estudo de Ablação:
  • Apenas Z: Desempenho muito pobre devido à sensibilidade ao ruído do canal.
  • Apenas X: Mais robusto, mas perde fidelidade semântica fina.
  • Z + X Simultâneo: Melhorou a fidelidade de distorção (PSNR), mas piorou a qualidade perceptual (FID) em comparação com o uso apenas de X, confirmando a teoria de que a guia simultânea gera um posterior superconfiante.
  • ADDPS (Alternado): Alcançou o melhor equilíbrio, superando todas as outras configurações em métricas perceptuais com uma queda marginal no PSNR.

5. Significado e Impacto

Este trabalho é significativo porque redefine a abordagem de decodificação em comunicações semânticas generativas. Ao abandonar a busca por uma única solução ótima (MAP) em favor da amostragem da distribuição completa, e ao resolver o dilema de como integrar informações do canal e do decodificador sem introduzir viés ou ruído excessivo, o ADDPS estabelece um novo padrão para a transmissão de imagens em condições de canal adversas. A estratégia de alternância oferece um caminho prático e eficiente para integrar múltiplas fontes de informação em modelos de difusão sem comprometer a estabilidade do processo de geração.