論文の概要: An Efficient Video Streaming Architecture with QoS Control for Virtual
Desktop Infrastructure in Cloud Computing
- arxiv url: http://arxiv.org/abs/2203.05735v1
- Date: Fri, 11 Mar 2022 03:22:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 19:24:07.471713
- Title: An Efficient Video Streaming Architecture with QoS Control for Virtual
Desktop Infrastructure in Cloud Computing
- Title(参考訳): クラウドコンピューティングにおける仮想デスクトップインフラストラクチャのためのQoS制御による効率的なビデオストリーミングアーキテクチャ
- Authors: Huu-Quoc Nguyen, Tien-Dung Nguyen, Van-Nam Pham, Xuan-Qui Pham,
Quang-Thai Ngo, Eui-Nam Huh
- Abstract要約: 仮想デスクトップインフラ(VDI)環境では、リモートディスプレイプロトコルは、データセンターがホストするデスクトップからエンドポイントにビデオデータを送信する大きな責任を持つ。
本稿では,ユーザエクスペリエンス(QoE)を改善するためのフレキシブルな制御を含むアーキテクチャを提案する。
このアーキテクチャには、2D画像の新たな圧縮が含まれており、最高の画質を保証し、ビデオ遅延を低減するように設計されている。
- 参考スコア(独自算出の注目度): 1.8839378985061936
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In virtual desktop infrastructure (VDI) environments, the remote display
protocol has a big responsibility to transmit video data from a data
center-hosted desktop to the endpoint. The protocol must ensure a high level of
client perceived end-to-end quality of service (QoS) under heavy work load
conditions. Each remote display protocol works differently depending on the
network and which applications are being delivered. In healthcare applications,
doctors and nurses can use mobile devices directly to monitor patients.
Moreover, the ability to implement tasks requiring high consumption of CPU and
other resources is applicable to a variety of applications including research
and cloud gaming. Such computer games and complex processes will run on
powerful cloud servers and the screen contents will be transmitted to the
client. TO enable such applications, remote display technology requires further
enhancements to meet more stringent requirements on bandwidth and QoS, an to
allow realtime operation. In this paper, we present an architecture including
flexible QoS control to improve the user quality of experience (QoE). The QoS
control is developed based on linear regression modeling using historical
network data. Additionally, the architecture includes a novel compression
algorithm of 2D images, designed to guarantee the best image quality and to
reduce video delay; this algorithm is based on k-means clustering and can
satisfy the requirements of realtime onboard processing. Through simulations
with a real work dataset collected by the MIT Computer Science and Artificial
Lab, we present experimental as well as explain the performance of the QoS
system.
- Abstract(参考訳): 仮想デスクトップインフラ(VDI)環境では、リモートディスプレイプロトコルは、データセンターがホストするデスクトップからエンドポイントにビデオデータを送信する大きな責任を持つ。
このプロトコルは、高い作業負荷条件下でクライアントが認識するエンドツーエンド品質(QoS)を保証しなければなりません。
各リモートディスプレイプロトコルは、ネットワークと、どのアプリケーションが配信されているかによって異なる。
医療アプリケーションでは、医師や看護師は患者を監視するために直接モバイルデバイスを利用できる。
さらに、CPUやその他のリソースの高消費を必要とするタスクを実装する能力は、研究やクラウドゲームを含む様々なアプリケーションに適用できる。
このようなコンピュータゲームや複雑なプロセスは強力なクラウドサーバ上で動作し、画面の内容はクライアントに送信される。
このようなアプリケーションを実現するために、リモートディスプレイ技術は帯域幅とqosの厳密な要件を満たすためにさらなる拡張を必要としている。
本稿では,ユーザエクスペリエンス(QoE)を改善するために,柔軟なQoS制御を含むアーキテクチャを提案する。
歴史ネットワークデータを用いた線形回帰モデルに基づいてQoS制御を開発した。
さらに、このアーキテクチャには、2D画像の新たな圧縮アルゴリズムが含まれており、最高の画質を保証し、動画の遅延を低減し、k平均クラスタリングに基づいており、リアルタイムのオンボード処理の要求を満たすことができる。
我々は,MIT Computer Science and Artificial Labが収集した実作業データセットを用いてシミュレーションを行い,QoSシステムの性能を説明するとともに実験を行った。
関連論文リスト
- Point Cloud Geometry Scalable Coding with a Quality-Conditioned Latents Probability Estimator [47.792286013837945]
品質のスケーラビリティは、ほとんどの学習ベースのPCコーディングソリューションの主要な要件である。
本稿では,SQH(Scalable Quality Hyperprior)という,学習ベースの静的点クラウド幾何コーデックに適応可能な品質拡張性スキームを提案する。
SQHは、対応する非スケーリングソリューションと比較して、非常に制限された、あるいは全く圧縮性能のペナルティのない、品質のスケーラビリティ機能を提供する。
論文 参考訳(メタデータ) (2024-04-11T12:44:15Z) - Fast GraspNeXt: A Fast Self-Attention Neural Network Architecture for
Multi-task Learning in Computer Vision Tasks for Robotic Grasping on the Edge [80.88063189896718]
アーキテクチャと計算の複雑さが高いと、組み込みデバイスへのデプロイに適さない。
Fast GraspNeXtは、ロボットグルーピングのためのコンピュータビジョンタスクに埋め込まれたマルチタスク学習に適した、高速な自己認識型ニューラルネットワークアーキテクチャである。
論文 参考訳(メタデータ) (2023-04-21T18:07:14Z) - Streaming Video Model [90.24390609039335]
本稿では,映像理解タスクをストリーミング・ビジョン・トランスフォーマー(Streaming Vision Transformer, S-ViT)と呼ばれる1つのストリーミング・ビデオ・アーキテクチャに統合することを提案する。
S-ViTはまず、フレームベースのビデオタスクを提供するメモリ対応時空間エンコーダでフレームレベルの機能を生成する。
S-ViTの効率と有効性は、シークエンスに基づく行動認識における最先端の精度によって実証される。
論文 参考訳(メタデータ) (2023-03-30T08:51:49Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳(メタデータ) (2022-01-09T09:31:50Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z) - CANS: Communication Limited Camera Network Self-Configuration for
Intelligent Industrial Surveillance [8.360870648463653]
リアルタイムおよびインテリジェントなカメラネットワークによるビデオ監視には、大量のビデオデータによる計算集約的な視覚検出タスクが含まれる。
複数のビデオストリームは、エッジデバイスとカメラネットワークのリンク上で限られた通信リソースを競う。
ビデオ監視の適応型カメラネットワーク自己設定法(CANS)を提案する。
論文 参考訳(メタデータ) (2021-09-13T01:54:33Z) - High Performance Hyperspectral Image Classification using Graphics
Processing Units [0.0]
リアルタイムリモートセンシングアプリケーションは、オンボードのリアルタイム処理機能を必要とする。
軽量で小型で低消費電力のハードウェアは、オンボードのリアルタイム処理システムに不可欠である。
論文 参考訳(メタデータ) (2021-05-30T09:26:03Z) - QoS-Aware Power Minimization of Distributed Many-Core Servers using
Transfer Q-Learning [8.123268089072523]
本稿では,水平スケーリング(ノード割り当て)と垂直スケーリング(ノード内のリソース割り当て)を用いたランタイム対応コントローラを提案する。
水平スケーリングは、ワークロードの要求と要求されたスケーラビリティに基づいて、一連のルールに従ってアクティブノードの数を決定する。
次に、動的電圧/周波数スケーリング(DVFS)を用いてワークロードプロファイルに基づいて電力/性能をチューニングする転送Q-ラーニングを用いて、垂直スケーリングと結合する。
これらの手法を組み合わせると、モデルなしQ-ラーニングと比較して探索時間や違反を減らすことができる。
論文 参考訳(メタデータ) (2021-02-02T06:47:58Z) - Reconfigurable Cyber-Physical System for Critical Infrastructure
Protection in Smart Cities via Smart Video-Surveillance [2.2509387878255818]
分散クラウドエッジスマートビデオ監視を用いたCI保護のための再構成可能なサイバー物理システムを提案する。
ローカルエッジノードは、Deep Learningを介して人検出を行います。
クラウドサーバはノードから結果を収集し、生体認証、トラッキング、周辺監視を行う。
論文 参考訳(メタデータ) (2020-11-29T18:43:25Z) - AI-based Resource Allocation: Reinforcement Learning for Adaptive
Auto-scaling in Serverless Environments [0.0]
近年、サーバーレスコンピューティングはクラウドコンピューティングモデルの魅力的な新しいパラダイムとして現れています。
商用およびオープンソースのサーバレスコンピューティングプラットフォームに共通するアプローチは、ワークロードベースの自動スケーリングである。
本稿では、サーバーレスフレームワークにおける要求ベース自動スケーリングに対する強化学習アプローチの適用性について検討する。
論文 参考訳(メタデータ) (2020-05-29T06:18:39Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳(メタデータ) (2020-03-30T15:12:03Z)
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。