JSCGC: 무선 생성 통신을 위한 공동 소스-채널-생성 코딩

JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications

기존의 통신 시스템은 분리 기반 코딩과 학습 기반 공동 소스-채널 코딩(JSCC) 모두 섀넌의 레이트-디스토션 이론에 기반하여 설계됩니다. 그러나 일반적인 왜곡 측정 기준은 복잡한 인간 시각 인식을 제대로 반영하지 못하며, 이로 인해 흐릿하거나 비현실적인 결과물이 생성되는 경우가 많습니다. 본 논문에서는 송신 측의 정보를 수신 측의 생성 모델을 통해 활용하는 새로운 통신 패러다임인 공동 소스-채널-생성 코딩(JSCGC)을 제안합니다. 여기서 수신된 신호는 학습된 조건부 분포를 기반으로 샘플링 과정을 제어하는 조건으로 간주되며, 이는 기존의 왜곡 최소화를 위한 결정론적인 복원 방식에서 벗어나 상호 정보 극대화와 인지적 제약 조건을 고려한 통제된 생성 방식으로 통신을 재구성합니다. 이러한 관점을 바탕으로, 우리는 통합된 공동 학습 및 효율적인 확률적 샘플링 프레임워크를 개발하고, 학습 및 추론 단계에서의 효과에 대한 이론적 분석을 제공합니다. 잠재 공간 이미지 전송에 대한 광범위한 실험 결과, JSCGC는 다양한 채널 환경에서 특징 기반 품질, 의미 수준 품질 및 분포 품질을 지속적으로 향상시키는 것으로 나타났으며, 이는 기존 방식과는 다른 방식으로 오류가 발생하는 것을 보여줍니다 (즉, 왜곡이 아닌 의미적 불일치).

Conventional communication systems, including both separation-based coding and learning-based joint source-channel coding (JSCC), are typically designed under Shannon's rate-distortion theory. However, relying on generic distortion metrics fails to capture complex human visual perception, often resulting in blurred or unrealistic reconstructions. In this paper, we propose Joint Source-Channel-Generation Coding (JSCGC), a generative communication paradigm that replaces the conventional decoder with a generative model at the receiver. The received signal is treated as a condition that controls the sampling process into the learned conditional distribution, reformulating communication from deterministic reconstruction for distortion minimization to controlled generation for mutual information maximization under perceptual constraints. Based on this formulation, we develop a unified joint training and efficient stochastic sampling framework, and provide theoretical analysis of its effectiveness in both learning and inference stages. Extensive experiments on latent-space image transmission demonstrate that the JSCGC consistently improves feature-based, semantic-level, and distributional quality across diverse channel conditions, while exhibiting a distinct error behavior characterized by semantic inconsistency rather than distortion.