⚡ electrical engineering

Generative Semantic Communication via Alternating Dual-Domain Posterior Sampling

本文针对现有生成式语义通信接收机因依赖最大后验估计或单一域引导而导致的感知质量受限问题，提出了一种基于交替双域后验采样的扩散模型接收机，通过交替执行潜域和图像域的一致性约束来优化语义解码，从而在保持数据分布的同时实现了更优的感知传输质量。

原作者： Shunpu Tang, Qianqian Yang

发布于 2026-04-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Shunpu Tang, Qianqian Yang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文提出了一种让无线通信“更聪明、更清晰”的新方法，专门解决在信号很差（比如偏远地区或带宽极窄）的情况下，图片传输变得模糊不清的问题。

我们可以把这项技术想象成**“在迷雾中通过交替询问两位专家来还原一幅名画”**。

以下是用通俗易懂的语言和比喻对这篇论文的解读：

1. 背景：为什么现在的传输会“糊”？

想象一下，你要把一幅精美的油画（原始图片）通过一条充满干扰的“迷雾通道”（无线信道）传给远方的人。

传统方法（MAP 估计）：就像接收者拿到一张模糊的草稿后，试图猜出最可能的那一种画法。他为了“求稳”，会把所有不确定的细节都抹平，结果画出来虽然像那么回事，但细节全丢了，看起来像被磨皮过度的照片，缺乏真实感。
现有的生成式方法（单域引导）：现在的新技术会利用“画家的直觉”（预训练的生成模型）来补全画面。
- 方法 A（只看信号域/Z 域）：直接盯着收到的模糊信号去猜。但在信号很差时，这就像盯着满是噪点的电视屏幕猜剧情，容易把噪音当成细节，导致画面出现奇怪的伪影。
- 方法 B（只看图像域/X 域）：先让解码器把信号转成一张图，再让画家去补全。但这就像先让一个视力不好的人把图描一遍，再让画家照着描，画家会继承那个视力不好的人的“偏见”，丢失原本信号里的重要线索。
- 方法 C（同时看两个域）：如果让画家同时盯着信号和那张描过的图，他会觉得“这两个证据都指向同一个方向”，从而变得过度自信。结果就是，他可能把错误的细节也画得很逼真，导致画面虽然清晰但“假”得离谱（分布不匹配）。

2. 核心创新：交替双域后验采样 (ADDPS)

这篇论文提出的新方法叫 ADDPS。它的核心思想是：不要同时听两个专家的意见，而是让他们轮流发言，互相纠正。

比喻：修复破碎的拼图

想象你在修复一幅破碎的名画，你有两个助手：

助手 A（信号专家）：手里拿着从迷雾中收到的原始碎片（信号 $\hat{z}$ ）。他的优点是知道碎片原本的形状，但缺点是碎片上沾满了泥巴（噪音）。
助手 B（图像专家）：手里拿着一张根据碎片拼出来的草图（解码后的图像 $\tilde{x}$ ）。他的优点是画得很干净，但缺点是他可能为了拼凑方便，把某些独特的纹理给改错了（解码器偏差）。

旧做法：让两个助手同时指着画布说“这里应该这样画”。结果他们互相强化对方的错误，画得越像越假。

ADDPS 的新做法（交替策略）：

第一步（听助手 A）：让画家先根据助手 A 的原始碎片，修正画面的整体结构。这时候，画家会尽量保留信号里的真实信息，哪怕有点噪点也没关系，先定个调。
第二步（听助手 B）：接着，让画家根据助手 B 的干净草图，修正画面的纹理和细节。这时候，画家会利用图像领域的常识，把助手 A 引入的噪点“擦除”，让画面变干净。
循环往复：就这样，画家在“信号专家”和“图像专家”之间来回切换，每一步都只采纳一个专家的建议。

这样做的好处：

避免冲突：两个专家的意见不会打架，因为他们是轮流说话的。
取长补短：信号专家保证了“没丢东西”，图像专家保证了“看起来像真的”。
拒绝过度自信：因为不是同时听两个声音，画家不会误以为某个错误的细节是铁证如山，从而保留了画面的多样性和真实感。

3. 为什么要这么做？（理论突破）

论文里还讲了一个数学道理：

求“最可能的一个答案”（MAP）：就像让你猜一个骰子掷出来是什么，你猜"3"。但这忽略了骰子其实可能是 1、2、4、5、6。这种猜法会让结果变得死板，不像真实的骰子。
求“所有可能的答案”（后验采样）：就像你不仅猜"3"，而是根据线索，模拟出所有可能出现的骰子点数分布。这样还原出来的画面，才真正符合真实世界的随机性和丰富度。

论文证明了，只有这种“采样”的方法，才能还原出最逼真的图片，而不是那种“看起来像但其实是假的”图片。

4. 效果如何？

作者在测试中使用了非常极端的条件（信号极差，压缩率极高）：

结果：使用这种“轮流请教专家”的方法（ADDPS），画出来的图片在真实感（FID 指标）上远超现有的所有方法。
对比：以前的方法要么画面太模糊（像打了马赛克），要么画面太假（像 AI 生成的假脸）。新方法画出来的图，既保留了原始信号的特征，又看起来像高清照片一样自然。

总结

这篇论文就像给无线通信系统装上了一套**“交替问诊”的专家系统**。它不再盲目地追求“最确定的答案”，而是通过让“信号线索”和“图像常识”轮流指导 AI 作画，在信号极差的情况下，依然能还原出既真实又清晰的高清图片。这对于未来在偏远地区、深海或太空等信号恶劣环境下的图像传输具有重要意义。

这是一份关于论文《Generative Semantic Communication via Alternating Dual-Domain Posterior Sampling》（基于交替双域后验采样的生成式语义通信）的详细技术总结。

1. 研究背景与问题 (Problem)

背景：
语义通信（SemCom）旨在提取并传输任务相关的语义信息，而非传统的比特流。生成式语义通信利用预训练的生成先验（如 GAN 或扩散模型）来改善无线图像传输的感知质量。现有的基于扩散模型的语义通信接收机（如 HiFi-DiffCom）通常采用最大后验概率（MAP）估计或同时结合潜空间（Latent/Z-domain）和图像空间（Image/X-domain）的引导策略。

核心问题：

MAP 估计的局限性： 现有的生成式接收机多基于 MAP 估计。MAP 是一个点估计器，它将完整的后验分布坍缩为单一解，无法保留原始数据的分布特性，从而限制了感知质量的上限。
单域引导的缺陷：
- 潜域（Z-domain）引导： 直接利用接收信号 $\hat{z}$ 进行引导。在低信噪比（Low SNR）或高压缩比下，信道噪声会主导梯度，导致重建图像出现伪影或语义不一致。
- 图像域（X-domain）引导： 利用解码器输出 $\tilde{x}$ 进行引导。虽然对噪声更鲁棒，但解码器本身是确定性的投影，可能会丢弃接收信号中的部分语义证据，并继承解码器的偏差（Decoder Bias）。
双域同时引导的副作用： 简单地同时结合两个域的引导（即 $p(\hat{z}|x) \cdot p(\tilde{x}|x)$ ）会破坏条件独立性假设（因为 $\tilde{x}$ 是 $\hat{z}$ 的确定性变换），导致“过度自信”的伪后验分布（Overconfident Pseudo-posterior），并可能引发梯度冲突。

2. 方法论 (Methodology)

作者提出了一种名为 交替双域后验采样 (Alternating Dual-Domain Posterior Sampling, ADDPS) 的新框架。

2.1 理论框架：贝叶斯逆问题

从 MAP 到后验采样： 作者将语义解码形式化为贝叶斯逆问题。证明了 MAP 估计无法保持数据分布，而后验采样（从 $p(x|\hat{z})$ 中采样）理论上能达到最优的感知质量，因为它能捕捉源数据的不确定性并保留分布特性。
扩散后验采样 (DPS)： 利用预训练的扩散模型，将先验分数（Prior Score）与似然分数（Likelihood Score）结合，构建反向扩散过程的随机微分方程（SDE）。

2.2 双域一致性建模

为了克服单域引导的缺陷，作者引入了两个一致性约束：

Z 域一致性（潜域）： 约束重建图像经编码器映射后的结果与接收信号 $\hat{z}$ $\overset{z}{^}$ 一致。
- 缺点：对信道噪声敏感。
X 域一致性（图像域）： 约束重建图像经“编码器 - 解码器”链路后的结果与解码器直接输出的 $\tilde{x}$ $\tilde{x}$ 一致。
- 优点：由于解码器 $D_\phi$ 对噪声具有平滑作用，该域梯度对噪声更鲁棒。

2.3 核心创新：交替引导策略 (Alternating Strategy)

为了解决同时引导导致的梯度冲突和伪后验问题，ADDPS 采用交替策略：

机制： 在扩散采样的每一步 $t$ $t$ ，不是同时应用两个引导项，而是根据时间步的奇偶性（ $t \mod 2$ $t mod 2$ ）交替执行：
- 偶数步：仅应用 Z 域引导，利用接收信号 $\hat{z}$ 修正潜空间特征，确保语义信息的忠实度。
- 奇数步：仅应用 X 域引导，利用解码器输出 $\tilde{x}$ 修正图像空间特征，确保对噪声的鲁棒性和图像结构的合理性。
优势：
- 避免了两个引导项之间的梯度冲突。
- 允许每个域在另一个域进行细化之前，充分修正中间估计值。
- 分解了联合后验采样问题，避免了同时处理相关证据导致的过度自信。

3. 主要贡献 (Key Contributions)

理论证明： 从贝叶斯角度形式化了生成式语义解码，严格证明了 MAP 估计无法保持数据分布，而后验采样在理论上具有分布最优性。
提出 ADDPS 算法： 设计了一种基于扩散模型的接收机，通过交替双域引导机制，巧妙地结合了潜域的语义忠实度和图像域的噪声鲁棒性，同时避免了同时引导带来的伪后验问题。
实验验证： 在极具挑战性的设置下（带宽压缩比 1/192，SNR = 1 dB），证明了该方法在感知质量上显著优于现有最先进方法。

4. 实验结果 (Results)

实验在 FFHQ 数据集上进行，对比了 DeepJSCC、InverseJSCC 和 HiFi-DiffCom 等基线方法。

主要指标 (SNR = 1 dB, 压缩比 1/192)：
- FID (Fréchet Inception Distance)： 提出的 ADDPS (T=1000) 达到了 56.94，优于 HiFi-DiffCom (59.54) 和 DeepJSCC-LPIPS (59.16)。FID 越低代表生成图像分布越接近真实数据分布。
- 感知指标 (LPIPS, DISTS, PIEAPP)： ADDPS 在所有感知质量指标上均表现最佳或次佳，显著优于传统基于 MSE 的 DeepJSCC（后者虽然 PSNR 高，但 FID 高达 108.62，说明图像过度平滑）。
- 消融实验：
  - 仅 Z 域引导：性能最差（FID 87.03），证实了低信噪比下 Z 域对噪声极度敏感。
  - 仅 X 域引导：表现较好（FID 58.99），证明了图像域引导的鲁棒性。
  - 同时引导 (X+Z)：虽然失真度（PSNR）略高，但 FID (61.64) 反而比仅 X 域更差，证实了同时引导会破坏感知质量。
  - 交替引导 (ADDPS)： 取得了最低的 FID (58.38)，验证了交替策略的有效性。

5. 意义与影响 (Significance)

理论突破： 将语义通信的解码范式从“点估计优化”转向“分布采样”，为生成式通信提供了坚实的理论基础。
技术革新： 解决了扩散模型在通信应用中面临的“噪声敏感”与“解码器偏差”之间的矛盾，提出了一种无需重新训练编码器/解码器即可提升性能的即插即用（Plug-in）接收机方案。
应用价值： 在极低信噪比和极高压缩比的极端通信场景下，能够生成具有高度真实感和语义一致性的图像，为未来 6G 语义通信系统的感知质量提升提供了新的技术路径。

总结： 该论文通过引入交替双域后验采样策略，成功解决了生成式语义通信中噪声鲁棒性与语义忠实度难以兼顾的难题，显著提升了低信噪比条件下的图像重建感知质量。