帮我找最近两年通信领域的文章，2025，2026CVPR、ICCV等顶刊，联合信源信道编码，最好带有...

我先给你一个直接可用的结论：

**严格符合你这几个条件——“2025/2026、联合信源信道编码（JSCC）、最好 VQ 压缩、在信道上传 index、最好有源码”——最值得优先看的，其实主要不在 CVPR/CVPR 2026 主会，而是在 2025–2026 的数字语义通信 / SemCom / JSCC 预印本和通信期刊里。**CVF Open Access 目前已经挂出了 CVPR 2025 和 ICCV 2025，但截至今天我还没看到 CVPR 2026 的公开论文页；CVPR 2026 官方时间页显示主会在 2026 年 6 月举行，最终决定时间是 2026-02-20。(CVF Open Access)

我按匹配度给你排一版：

1. VQ-DSC-R: Robust Vector Quantized-Enabled Digital Semantic Communication With OFDM Transmission（2026，arXiv）
   这篇和你要的最接近：Swin backbone + VQ 模块，把语义特征映射到共享语义量化码本（SQC），明确写了 efficient index transmission，而且是 OFDM 实链路风格；还加了自适应噪声方差量化（ANDVQ）和 CSI refinement。公开聚合页目前显示的是 “Request Code”，我没看到明确挂出的官方 repo。(arXiv)

2. VQ-DeepISC: Vector Quantized-Enabled Digital Semantic Communication with Channel Adaptive Image Transmission（2025，arXiv）
   也是非常对口：Swin Transformer 做分层语义特征提取，后接 VQ，把特征投到离散 latent space，论文明确写的是 index-based transmission instead of raw feature transmission；信道侧用了 QPSK + OFDM，并且有码本使用均衡的 KLD + EMA 训练策略。这个我建议你重点读。(arXiv)

3. VQ-VAE Based Digital Semantic Communication with Importance-Aware OFDM Transmission（2025，arXiv）
   这篇也很贴你的需求：VQ-VAE 共享码本，发送端把 latent 特征匹配到共享 codebook 后离散化，再做 importance-aware OFDM transmission；接收端再 rematch codebook 做纠错。CatalyzeX 页面目前同样是 “Request Code”，没看到已挂出的公开 repo。(arXiv)

4. Extended Universal Joint Source-Channel Coding for Digital Semantic Communications: Improving Channel-Adaptability（2026，arXiv）
   这篇偏“统一模型 + 信道自适应”：核心是 VQ-based JSCC 把语义特征映射为 codeword indices for digital modulation，再做 SNR / modulation adaptive。更偏“系统层泛化能力”，不是单纯把 VQ 塞进去。CatalyzeX 也是 “Request Code”。(arXiv)

5. Channel-Aware Vector Quantization for Robust Semantic Communication on Discrete Channels（2025，arXiv，文中方法名 VQJSCC）
   这篇很适合你如果你关心“码本设计是否考虑物理信道转移概率”：它把语义特征离散化后直接映射到调制星座符号，并且用 CAVQ 把 channel transition probabilities 融到量化过程里，还做了 multi-codebook alignment 来处理 codebook 阶数和调制阶数不匹配。(arXiv)

6. A Theoretically-Grounded Codebook for Digital Semantic Communications（2025，arXiv）
   这篇偏理论：从信息论角度重审数字语义通信里的 codebook/VQ，目标是同时优化量化效率、传输效率和鲁棒性，还显式建模 bit-flip 引入的 semantic distortion。做论文综述或自己设计 loss 时很有用。(arXiv)

如果你的要求里“最好带源码”权重很高，那我会再给你一组能直接开跑的，虽然其中有些不是 2025/2026、或者不完全是你要的“VQ + 发 index”主线：

7. Improving Learning-Based Semantic Coding Efficiency for Image Transmission via Shared Semantic-Aware Codebook（IEEE TCOM, 2025）
   这是我最推荐的可复现候选之一。它是 codebook-assisted JSCC，明确讲了“把 label encapsulate 成 codeword indexes”，而且官方 GitHub repo 里有完整的 codebook construction、训练脚本和 AWGN / Rayleigh fading 设定。虽然它不是标准 VQ-VAE 那一派，但非常接近“码本 + index + JSCC”这条线。(GitHub)

8. SQ-GAN: Semantic Image Communication Using Masked Vector Quantization（2025，arXiv）
   这篇有公开 GitHub，代码里有 train.py、三阶段训练流程和预训练模型下载说明；但它更偏语义图像压缩 / source coding，论文自己也强调是 masked vector quantization 驱动的 semantic image communication，并不属于最典型的“端到端物理层 JSCC”路线。拿来参考 VQ 压缩模块 很好。(GitHub)

9. Joint Coding-Modulation for Digital Semantic Communications via Variational Autoencoder（IEEE TCOM, 2024，补充基线）
   虽然不是 2025/2026，但这个 repo 很成熟，支持 BPSK / 4QAM / 16QAM / 64QAM，很适合拿来做你后续系统对比。它不是 VQ，而是 VAE + 离散星座符号学习，但“数字语义通信 + 调制联合设计 + 开源”这一点非常实用。(GitHub)

10. Robust Semantic Communications with Masked VQ-VAE Enabled Codebook（TWC, 2023，补充基线）
    这篇更老，但它的 GitHub repo 明确就是这篇论文的 demo code，而且 README 里还写了可以改 VectorQuantizer 做 MIMO communication。如果你要快速搭一个 VQ-VAE + codebook 的起始工程，它很值。(GitHub)

关于你提到的 CVPR / ICCV，我这轮检索的判断是：

• ICCV 2025 里确实有“通信效率”相关工作，但更偏协作感知 / 多车协同 perception，不是你要的 VQ-index JSCC 主线。最接近的是

  • Communication-Efficient Multi-Vehicle Collaborative Semantic Segmentation via Sparse 3D Gaussian Sharing
  • mmCooper: A Multi-agent Multi-stage Communication-efficient and Collaboration-robust Cooperative Perception Framework
    其中 mmCooper 有公开 GitHub。(ICCV 2025)

• CVPR 2025 官方 OA 已公开，但我这次没检到你这种“VQ 压缩 + 发 index + 物理层/JSCC”特别对口的主会论文；CVPR 2026 官方时间和决定日期都已出，但 CVF Open Access 菜单截至今天还没列出 CVPR 2026 主会论文，所以我不建议现在硬凑“2026 CVPR”名单。(CVF Open Access)

你如果是为了立刻做复现 / 开题，我建议阅读顺序就按这个来：

VQ-DeepISC → VQ-VAE Based ... OFDM → VQJSCC → VQ-DSC-R → euJSCC，
然后配一套可运行基线：semantic-communication-w-codebook + JCM repo + RobustSemanComm。(arXiv)

下一步最有价值的是把这些论文再按你真正关心的维度细化成一张对比表：编码器、量化器、是否显式发 index、调制方式、信道模型、loss、公开代码状态、适不适合复现。你回我一句“做表”，我就直接给你整理。