Fugu-MT 論文翻訳(概要): Computer Vision Aided Blockage Prediction in Real-World Millimeter Wave Deployments

論文の概要: Computer Vision Aided Blockage Prediction in Real-World Millimeter Wave Deployments

arxiv url: http://arxiv.org/abs/2203.01907v1
Date: Thu, 3 Mar 2022 18:38:10 GMT
ステータス: 処理完了
システム内更新日: 2022-03-04 17:03:09.627384
Title: Computer Vision Aided Blockage Prediction in Real-World Millimeter Wave Deployments
Title（参考訳）: 実世界のミリ波展開におけるコンピュータビジョン支援ブロック予測
Authors: Gouranga Charan and Ahmed Alkhateeb
Abstract要約: 本稿では,インフラストラクチャノードに設置したカメラが捉えた視覚データを処理するコンピュータビジョンベースのソリューションを開発する。採用されている実世界のデータセットに基づいて、開発済みのソリューションは、将来発生する障害を予測する上で、$approx 90%の精度を実現している。
参考スコア（独自算出の注目度）: 11.842197872454848
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper provides the first real-world evaluation of using visual (RGB camera) data and machine learning for proactively predicting millimeter wave (mmWave) dynamic link blockages before they happen. Proactively predicting line-of-sight (LOS) link blockages enables mmWave/sub-THz networks to make proactive network management decisions, such as proactive beam switching and hand-off) before a link failure happens. This can significantly enhance the network reliability and latency while efficiently utilizing the wireless resources. To evaluate this gain in reality, this paper (i) develops a computer vision based solution that processes the visual data captured by a camera installed at the infrastructure node and (ii) studies the feasibility of the proposed solution based on the large-scale real-world dataset, DeepSense 6G, that comprises multi-modal sensing and communication data. Based on the adopted real-world dataset, the developed solution achieves $\approx 90\%$ accuracy in predicting blockages happening within the future $0.1$s and $\approx 80\%$ for blockages happening within $1$s, which highlights a promising solution for mmWave/sub-THz communication networks.
Abstract（参考訳）: 本稿では、視覚的(RGBカメラ)データと機械学習を用いてミリ波(mmWave)ダイナミックリンクブロックを積極的に予測する最初の実世界の評価を行う。リンク障害が起こる前に、LOS(Line-of-sight)リンク遮断を積極的に予測することで、mWave/sub-THzネットワークはプロアクティブビーム切替やハンドオフなどのプロアクティブネットワーク管理決定を行うことができる。これにより、無線リソースを効率的に活用しながら、ネットワークの信頼性とレイテンシを大幅に向上させることができる。この成果を評価するために、本論文は i) インフラストラクチャノードに設置されたカメラが捉えた視覚データを処理し,コンピュータビジョンに基づくソリューションを開発する。 (II)マルチモーダルセンシングと通信データを含む大規模実世界のデータセットDeepSense 6Gに基づく提案手法の実現可能性について検討した。採用されている実世界のデータセットに基づいて、開発したソリューションは、将来の$0.1$sで発生する障害を予測するために$\approx 90\%$精度と$\approx 80\%$で達成している。

関連論文リスト

Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
異常と欠落したデータは、産業応用における厄介な問題を構成する。ディープラーニングによる異常検出が重要な方向として現れている。エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
論文参考訳（メタデータ） (2024-11-06T15:38:31Z)
ViT LoS V2X: Vision Transformers for Environment-aware LoS Blockage Prediction for 6G Vehicular Networks [20.953587995374168]
我々は、畳み込みニューラルネットワーク(CNN)とカスタマイズされた視覚変換器(ViT)を組み合わせたディープラーニングベースのアプローチを提案する。提案手法は,時系列マルチモーダルデータから特徴を抽出するために,CNNとViTの相乗的強みを利用する。その結果,提案手法は精度が高く,最先端のソリューションよりも優れ,95%以上の精度で予測できることがわかった。
論文参考訳（メタデータ） (2024-06-27T01:38:09Z)
Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
論文参考訳（メタデータ） (2022-09-01T03:27:33Z)
Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文参考訳（メタデータ） (2021-06-03T08:35:10Z)
Computer Vision Aided URLL Communications: Proactive Service Identification and Coexistence [17.623847356925964]
既存の超信頼性と低遅延(URLL)と強化されたモバイルブロードバンド(eMBB)サービスのサポートは、無線ネットワークにとって重要な課題です。本論文では,新規なリソース割り当てアルゴリズムを開発するための新しいフレームワークであるtextitservice IDを提案する。このフレームワークは、ビジュアルデータ(例えばrgbカメラによるキャプチャ)とディープラーニング(例えばディープニューラルネットワーク)に基づいています。
論文参考訳（メタデータ） (2021-03-18T17:53:29Z)
Vision-Aided 6G Wireless Communications: Blockage Prediction and Proactive Handoff [15.682727572668826]
遮断に対する感度は、高周波(5Gミリ波と6Gサブテラヘルツ)無線ネットワークにとって重要な課題です。信頼性とレイテンシの課題に取り組む有望な方法は、無線ネットワークのプロアクションを可能にすることだ。本稿では,bimodal machine learningを用いた視覚支援型無線通信ソリューションを提案する。
論文参考訳（メタデータ） (2021-02-18T18:12:20Z)
Deep Learning for Moving Blockage Prediction using Real Millimeter Wave Measurements [18.365889583730507]
ミリ波(mmWave)通信は5G以降の重要なコンポーネントである。視覚リンクラインの突然の遮断は、ネットワークの信頼性に影響を与える突然の切断につながります。我々は,ブロック前シグネチャと呼ぶものを観測することで,将来のブロックを予測する機械学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-18T05:34:37Z)
Identity-Aware Attribute Recognition via Real-Time Distributed Inference in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文参考訳（メタデータ） (2020-08-12T12:03:27Z)
Vision-Aided Dynamic Blockage Prediction for 6G Wireless Communication Networks [11.626009272815816]
本稿では,テクトダイナミックリンクブロックを積極的に予測する新しい手法を提案する。観測されたRGB画像とビームフォーミングベクターのシーケンスから、将来のリンクブロックを予測する方法を学ぶ。リンクブロック予測精度は86%であり、視覚的データを使わずに一致しない。
論文参考訳（メタデータ） (2020-06-17T14:37:38Z)
Applying Deep-Learning-Based Computer Vision to Wireless Communications: Methodologies, Opportunities, and Challenges [100.45137961106069]
ディープラーニング(DL)はコンピュータビジョン(CV)分野で大きな成功を収めている。本稿では,無線通信におけるDLベースのCVの適用について紹介する。
論文参考訳（メタデータ） (2020-06-10T11:37:49Z)
Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文参考訳（メタデータ） (2020-02-22T14:38:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。