帮我寻找一下，使用vq编解码进行图像压缩，利用数字系统传输index的语义通信的论文，最好是带有源码...

我先给你一个筛过一轮后的结论：

如果你的目标是“VQ/码本量化 + 发送离散 index + 图像语义通信”，近三年里最值得先看的，是下面 6 篇。
其中我把它们分成两类：已确认有公开代码，和方向非常贴但我这轮公开检索里没确认到可直接用的代码。

一、已确认有公开代码

1) Improving Learning-Based Semantic Coding Efficiency for Image Transmission via Shared Semantic-Aware Codebook

年份：2025，IEEE TCOM
代码：有，官方 PyTorch 仓库
为什么推荐：这篇虽然不叫 VQ-VAE，但它非常贴你要的“图像语义压缩 + 码本/索引 + 数字系统传输”。核心是先构建 shared semantic-aware codebook，把每张图映射到 codeword，并把语义信息封装进 codeword indexes，再辅助端到端语义编解码。仓库里还直接给了 codebook construction 和训练脚本。(GitHub)

2) SQ-GAN: Semantic Image Communications Using Masked Vector Quantization

年份：2025，arXiv
代码：有，官方 GitHub
为什么推荐：这篇更偏“VQ 图像压缩”和“任务语义保真”。它用 masked VQ 做语义相关区域的选择性编码，在极低码率下兼顾感知质量和下游语义分割性能。仓库给了训练、评测、预训练模型下载。(arXiv)

3) Robust Semantic Communications With Masked VQ-VAE Enabled Codebook

年份：2023，IEEE TWC
代码：有，官方 GitHub
为什么推荐：这篇很贴“VQ 编解码 + 共享 codebook + 传输 index”。文中明确说发端只需要传输重要任务相关特征在 codebook 中的 indices；代码仓库也说明这是该 TWC 论文的 demo，并提供了训练/执行脚本。它比纯重建更偏“鲁棒语义通信/任务语义”。(arXiv)

二、非常贴题，但这轮没有确认到现成可跑代码

4) VQ-DeepISC: Vector Quantized-Enabled Digital Semantic Communication with Channel Adaptive Image Transmission

年份：2025，arXiv
为什么推荐：这是你需求里最“正中靶心”的一篇之一。它把语义特征投影到离散 latent/codebook，直接做 index-based transmission，并且明确落到 QPSK + OFDM + IEEE 802.11a 这种数字通信实现上。很适合看“如何把 VQ 语义表示真正接到数字链路上”。(arXiv)

5) VQ-DSC-R: Robust Vector Quantized-Enabled Digital Semantic Communication With OFDM Transmission

年份：2026，arXiv
为什么推荐：这是 VQ-DeepISC 之后更“工程化/鲁棒化”的版本。它同样是 shared semantic quantized codebook + efficient index transmission，并进一步加了 ANDVQ、CDM、三阶段训练和 OFDM 场景鲁棒优化。要看最新思路，这篇很值得跟。(arXiv)

6) Vector Quantized Semantic Communication System (VQ-DeepSC)

年份：2023，IEEE Wireless Communications Letters
为什么推荐：这是这一条线里比较早、也很经典的“VQ 语义通信 for image transmission”论文。它把多尺度语义特征量化到 semantic embedding spaces，使系统兼容数字通信。虽然比较短，但很适合当入口文献。(Qifan Fu)

三、补充一篇：很相关，但仓库还没真正放代码

7) MOC-RVQ: Multilevel Codebook-Assisted Digital Generative Semantic Communication

年份：2024，GLOBECOM 2024 / arXiv
代码状态：有官方仓库，但 README 明确写着 “codebase and pre-trained model weights will be released soon”
为什么值得看：它非常强调“数字语义通信”与“多级 codebook / RVQ / index 范围压缩”的兼容性问题，方向上和你的需求非常一致。(arXiv)

---

我帮你按“匹配你需求的程度”排个序

如果你现在就要开始读，我建议这个顺序：

1. VQ-DeepISC (2025)：最像“VQ + index + 数字传输”的标准答案。(arXiv)
2. Shared Semantic-Aware Codebook (2025, TCOM)：有完整代码，复现价值最高。(GitHub)
3. VQ-DSC-R (2026)：最新、最强工程味。(arXiv)
4. SQ-GAN (2025)：更偏图像压缩/感知质量，代码也比较完整。(arXiv)
5. Robust Semantic Communications with Masked VQ-VAE Enabled Codebook (2023)：更偏鲁棒与任务语义。(arXiv)
6. VQ-DeepSC (2023)：适合打基础。(Qifan Fu)

如果你只想要“带源码、尽量能复现”的，我会优先留这 3 篇

• Shared Semantic-Aware Codebook (2025, TCOM) (GitHub)
• SQ-GAN (2025) (arXiv)
• Robust Semantic Communications With Masked VQ-VAE Enabled Codebook (2023) (arXiv)

一个小提醒

你这类需求里，文献可以分成两条路线：

• 严格的“数字语义通信”路线：VQ 后传 index/bitstream，更接近通信系统实现。代表是 VQ-DeepSC / VQ-DeepISC / VQ-DSC-R / MOC-RVQ。(Qifan Fu)
• “语义驱动图像压缩”路线：也用 VQ，但更强调低码率下的任务保真和生成质量。代表是 SQ-GAN。(arXiv)

你要是愿意，我下一条可以直接帮你整理成一份 “论文题目 + 链接 + 代码链接 + 核心方法 + 复现难度” 的精简表。