Fugu-MT 論文翻訳(概要): Short-Term Trajectory Prediction for Full-Immersive Multiuser Virtual Reality with Redirected Walking

論文の概要: Short-Term Trajectory Prediction for Full-Immersive Multiuser Virtual Reality with Redirected Walking

arxiv url: http://arxiv.org/abs/2207.07520v1
Date: Fri, 15 Jul 2022 15:09:07 GMT
ステータス: 処理完了
システム内更新日: 2022-07-18 17:15:41.859858
Title: Short-Term Trajectory Prediction for Full-Immersive Multiuser Virtual Reality with Redirected Walking
Title（参考訳）: リダイレクト歩行によるフル没入型マルチユーザーvrの短期軌道予測
Authors: Filip Lemic, Jakob Struye, Jeroen Famaey
Abstract要約: 完全没入型マルチユーザーバーチャルリアリティ(VR)は、仮想世界のユーザの制約のないモビリティをサポートすることを想定している。 RNN ファミリーの別の候補である Gated Recurrent Unit (GRU) ネットワークは、一般的に従来の LSTM よりも優れていることを示す。第2に、仮想世界からのコンテキストは、追加の入力機能として使用すれば、予測の精度を高めることができることを示す。
参考スコア（独自算出の注目度）: 6.622115542749609
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Full-immersive multiuser Virtual Reality (VR) envisions supporting unconstrained mobility of the users in the virtual worlds, while at the same time constraining their physical movements inside VR setups through redirected walking. For enabling delivery of high data rate video content in real-time, the supporting wireless networks will leverage highly directional communication links that will "track" the users for maintaining the Line-of-Sight (LoS) connectivity. Recurrent Neural Networks (RNNs) and in particular Long Short-Term Memory (LSTM) networks have historically presented themselves as a suitable candidate for near-term movement trajectory prediction for natural human mobility, and have also recently been shown as applicable in predicting VR users' mobility under the constraints of redirected walking. In this work, we extend these initial findings by showing that Gated Recurrent Unit (GRU) networks, another candidate from the RNN family, generally outperform the traditionally utilized LSTMs. Second, we show that context from a virtual world can enhance the accuracy of the prediction if used as an additional input feature in comparison to the more traditional utilization of solely the historical physical movements of the VR users. Finally, we show that the prediction system trained on a static number of coexisting VR users be scaled to a multi-user system without significant accuracy degradation.
Abstract（参考訳）: フル没入型マルチユーザーバーチャルリアリティ(vr)は、仮想世界におけるユーザの拘束力のない移動をサポートすると同時に、リダイレクトウォーキングによるvrセットアップ内での物理的な動きを制限することを想定している。データレートの高いビデオコンテンツをリアルタイムに配信できるようにするため、サポート対象の無線ネットワークは高指向性通信リンクを活用し、ユーザを"追跡"し、視線(los)接続を維持する。 recurrent neural networks (rnns) と特にlong short-term memory (lstm) ネットワークは、自然移動のための短期移動軌道予測に適した候補であり、近年では、リダイレクトウォーキングの制約下でのvrユーザの移動予測にも応用されている。そこで本研究では,RNN ファミリーの別の候補である Gated Recurrent Unit (GRU) ネットワークが,従来の LSTM よりも優れていることを示す。第2に,仮想世界からのコンテキストは,VR利用者の歴史的身体運動のみの従来的利用と比較して,追加入力機能として使用する場合の予測精度を高めることができることを示す。最後に,既存のvrユーザの静的数で学習した予測システムが,精度の低下を伴わずにマルチユーザシステムに拡張可能であることを示す。

関連論文リスト

Human-Aware Vision-and-Language Navigation: Bridging Simulation to Reality with Dynamic Human Interactions [69.9980759344628]
Vision-and-Language Navigation (VLN)は、人間の指示に基づいてナビゲートするエンボディエージェントを開発することを目的としている。本稿では,人間の動的活動を取り入れ,従来のVLNを拡張したHuman-Aware Vision-and-Language Navigation (HA-VLN)を紹介する。本稿では, クロスモーダル融合と多種多様なトレーニング戦略を利用して, エキスパート・スーパーモーダル・クロスモーダル (VLN-CM) と非エキスパート・スーパーモーダル・ディシジョン・トランスフォーマー (VLN-DT) のエージェントを提示する。
論文参考訳（メタデータ） (2024-06-27T15:01:42Z)
Predictive Context-Awareness for Full-Immersive Multiuser Virtual Reality with Redirected Walking [5.393569497095572]
将来のVRシステムはミリ波(mmWave)周波数で動作する無線ネットワークインフラをサポートする必要がある。本稿では,送信機と受信機側ビームフォーミングとビームステアリングを最適化するために,予測文脈認識の利用を提案する。長短短期記憶(LSTM)ネットワークは横方向の動きを予測する上で有望な精度を特徴とすることを示す。
論文参考訳（メタデータ） (2023-03-31T09:09:17Z)
User-centric Heterogeneous-action Deep Reinforcement Learning for Virtual Reality in the Metaverse over Wireless Networks [8.513938423514636]
本稿では,Metaverseサーバと複数のVRユーザで構成されるシステムについて考察する。 MetaverseのマルチユーザーVRシナリオでは、ユーザはFPS(Frames Per Second)の異なる特性と要求を持っている。提案したユーザ中心型DRLアルゴリズムは、ユーザ中心型Critic with Heterogenous Actors (UCHA) と呼ばれる。
論文参考訳（メタデータ） (2023-02-03T00:12:12Z)
Generative AI-empowered Effective Physical-Virtual Synchronization in the Vehicular Metaverse [129.8037449161817]
本稿では,車載メタバースのための生成AIを利用した物理仮想同期フレームワークを提案する。仮想と物理の同期において、MARは、ユーザの好みに基づいた生成AIモデルを通じて、多彩で個人的なARレコメンデーションをカスタマイズする。
論文参考訳（メタデータ） (2023-01-18T16:25:42Z)
WiserVR: Semantic Communication Enabled Wireless Virtual Reality Delivery [12.158124978097982]
本稿では,VRユーザに対して連続した360度ビデオフレームを提供するための,Wireless SEmantic deliveRy for VR(WiserVR)という新しいフレームワークを提案する。ディープラーニングベースの複数のモジュールは、WiserVRのトランシーバとしてよく設計されており、高性能な特徴抽出とセマンティックリカバリを実現している。
論文参考訳（メタデータ） (2022-11-02T16:22:41Z)
Force-Aware Interface via Electromyography for Natural VR/AR Interaction [69.1332992637271]
我々はVR/ARにおける自然的および直感的な力入力のための学習ベースのニューラルネットワークを設計する。我々は,3.3%の平均誤差で指の力量をリアルタイムでデコードし,キャリブレーションの少ない新規ユーザに一般化できることを実証した。今後のVR/ARにおける、より現実的な物理性に向けた研究を進めるために、我々の研究成果を期待する。
論文参考訳（メタデータ） (2022-10-03T20:51:25Z)
Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
論文参考訳（メタデータ） (2022-09-27T16:23:14Z)
Wireless Edge-Empowered Metaverse: A Learning-Based Incentive Mechanism for Virtual Reality [102.4151387131726]
メタバースにおけるVRサービスのための学習型インセンティブメカニズムフレームワークを提案する。まず,仮想世界におけるVRユーザのための指標として,知覚の質を提案する。第二に、VRユーザー(買い手)とVR SP(売り手)間のVRサービスの迅速な取引のために、オランダの二重オークション機構を設計する。第3に,この競売プロセスの高速化を目的とした深層強化学習型競売機を設計する。
論文参考訳（メタデータ） (2021-11-07T13:02:52Z)
PlayVirtual: Augmenting Cycle-Consistent Virtual Trajectories for Reinforcement Learning [84.30765628008207]
本稿では,RL特徴表現学習におけるデータ効率を向上させるために,サイクル一貫性のある仮想トラジェクトリを付加するPlayVirtualという新しい手法を提案する。本手法は,両ベンチマークにおいて,最先端の手法よりも高い性能を示す。
論文参考訳（メタデータ） (2021-06-08T07:37:37Z)
Hybrid Policy Learning for Energy-Latency Tradeoff in MEC-Assisted VR Video Service [35.31115954442725]
モバイルエッジコンピューティングネットワーク上で、ワイヤレスマルチタイルVRビデオサービスの提供を検討する。私たちはまず、時間によって変化するビューの人気をモデルフリーのマルコフチェーンとみなした。次に、動的キャッシュ置換と決定論的オフロードを調整するためにハイブリッドポリシーが実装される。
論文参考訳（メタデータ） (2021-04-02T13:17:11Z)
Learning-based Prediction and Uplink Retransmission for Wireless Virtual Reality (VR) Network [29.640073851481066]
本稿では、オフラインおよびオンライン学習アルゴリズムを用いて、実際のvrデータセットを用いて、vrユーザの視点を予測する。提案手法は,無線VRネットワークを有効再送信方式で接続するオンライン学習アルゴリズムでは,約5%の予測誤差しか示さない。
論文参考訳（メタデータ） (2020-12-16T18:31:05Z)

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。