효율적인 UAV 영상 전송을 위한 지능형 의미론적 통신 = Intelligent Semantic Communication for Efficient UAV Image Transmission

국문 초록 (Abstract)

최근 무인 비행체 (Unmanned Aerial Vehicle; UAV)는 지형적 제약으로 인해 사람이 접근하기 어려운 지역에서의 탐지, 감시, 데이터 수집 및 관리 등 다양한 분야에서 활발히 활용되고 있다. 특히, UAV를 통한 탐지 및 감시는 영상 촬영 및 전송을 중심으로 이루어지는데 고해상도 영상 전송이나 대용량 영상 데이터 전송의 요구가 증가할 시 시스템 과부하로 인한 대역폭 및 전력 제한, 신호 간섭 및 손실, 무인 비행체의 배터리 소모 시간 단축 등의 문제로 통신 지연이 발생할 수 있다. 또한, 차세대 기술 IoT, 스마트 시티, 자율 주행 등이 발전할수록 많은 데이터의 양을 다룰 때도 문제가 발생할 가능성이 높아 이러한 문제를 해결하고자 많은 연구가 진행되고 있다. 본 논문에서는 앞서 언급된 문제 해결 위함과 통신의 발전을 위해 전체 데이터를 전송하는 기존 통신 방식 대신 데이터의 의미를 분석하여 핵심 의미를 전송하는 의미론적 통신 (Semantic Communication) 기반의 효율적인 UAV 영상 전송 구조를 제안한다.
제안된 통신 구조는 기존의 딥러닝 기반의 심층 신경망을 사용하는 의미론적 분할 (Semantic Segmentation)의 다중 계층 구조 방식을 이용해 구축되었으며 추출된 영상 특징 정보를 수신자에게 전달하는 방식이다. 이 과정에서 다양한 특징 정보를 분석하여 중요한 정보에는 가중치를 부여하고 덜 중요한 정보는 압축 또는 지연시켜 지능적이고 효율적인 통신을 구현하고자 한다. 이때, 영상마다 중요한 영역이 전부 다르므로 각 영상의 중요 부분을 유동적으로 판별할 수 있도록 강화학습을 적용시켜 효과적으로 식별하는 작업을 수행한다. UAV에서 수집된 영상을 데이트 세트로 사용하여 실험한 결과, 제안된 통신 구조가 데이터의 의미만을 전송하여 효율적으로 영상을 복원할 수 있음을 보여준다.

다국어 초록 (Multilingual Abstract)

Recently, unmanned aerial vehicles (UAVs) have been widely utilized in various fields, including detection, surveillance, data collection, and management, particularly in areas that are difficult for humans to access due to terrain constraints. In particular, UAV-based detection and surveillance rely heavily on image acquisition and transmission. However, as the demand for high-resolution image transmission or large-scale video data increases, communication delays may arise due to bandwidth and power limitations caused by system overload, signal interference and loss, and the limited battery life of UAVs. Furthermore, as next-generation technologies such as IoT, smart cities, and autonomous driving continue to develop, the challenges of handling large volumes of data are expected to escalate, prompting extensive research to address these issues.
In this paper, we propose an efficient UAV video transmission framework based on semantic communication, which analyzes the meaning of the data and transmits only its core semantic information, as opposed to the traditional communication methods that transmit the entire data. The proposed communication framework employs a multi-layer structure inspired by semantic segmentation using a deep neural network. Extracted image feature information is transmitted to the receiver, and in the process, important features are prioritized while less significant information is compressed or delayed, enabling intelligent and efficient communication. Since the areas of importance in videos vary, reinforcement learning is employed to flexibly and effectively identify these key regions in each video. Experimental results using a dataset of images collected from UAVs demonstrate that the proposed communication framework can efficiently reconstruct images by transmitting only the semantic information of the data.

목차 (Table of Contents)

• 제1 장 서론 1
• 1.1 연구 배경 및 목적 1
• 1.2 논문의 구성 2
• 제2 장 딥러닝 기반 의미론적 통신 3
• 2.1 의미론적 통신 3
• 2.2 딥러닝 기반 의미론적 통신 5
• 2.2.1 U-Net 기반 의미론적 통신 6
• 2.2.2 U-Net 기반 의미론적 통신의 한계 8
• 제3 장 지능형 의미론적 통신 9
• 3.1 강화학습 기반 중요도 맵 9
• 3.2 DQN 기반 중요도 맵 12
• 3.2.1 중요도 맵 적용 12
• 3.2.2 보상 함수 14
• 3.2.3 손실 함수 16
• 3.3 지능형 의미론적 통신 구조 17
• 제4 장 실험 및 결과 20
• 4.1 실험 환경 20
• 4.2 성능 지표 21
• 4.3 실험 결과 23
• 제5 장 결론 28
• 참고문헌 29