論文の概要: Exploring Attention-Aware Network Resource Allocation for Customized Metaverse Services

• arxiv url: http://arxiv.org/abs/2208.00369v1
• Date: Sun, 31 Jul 2022 06:04:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-08-02 14:23:08.160150
• Title: Exploring Attention-Aware Network Resource Allocation for Customized Metaverse Services
• Title（参考訳）: カスタマイズメタバースサービスのためのアテンション対応ネットワークリソース配置の探索
• Authors: Hongyang Du, Jiacheng Wang, Dusit Niyato, Jiawen Kang, Zehui Xiong, Xuemin (Sherman) Shen, and Dong In Kim
• Abstract要約: 我々は、カスタマイズされたMetaverseサービスを実現するために、アテンション対応ネットワークリソース割り当てスキームを設計する。 目的は、ユーザーがより興味を持つ仮想オブジェクトにより多くのネットワークリソースを割り当てることである。
• 参考スコア（独自算出の注目度）: 69.37584804990806
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emerging with the support of computing and communications technologies, Metaverse is expected to bring users unprecedented service experiences. However, the increase in the number of Metaverse users places a heavy demand on network resources, especially for Metaverse services that are based on graphical extended reality and require rendering a plethora of virtual objects. To make efficient use of network resources and improve the Quality-of-Experience (QoE), we design an attention-aware network resource allocation scheme to achieve customized Metaverse services. The aim is to allocate more network resources to virtual objects in which users are more interested. We first discuss several key techniques related to Metaverse services, including QoE analysis, eye-tracking, and remote rendering. We then review existing datasets and propose the user-object-attention level (UOAL) dataset that contains the ground truth attention of 30 users to 96 objects in 1,000 images. A tutorial on how to use UOAL is presented. With the help of UOAL, we propose an attention-aware network resource allocation algorithm that has two steps, i.e., attention prediction and QoE maximization. Specially, we provide an overview of the designs of two types of attention prediction methods, i.e., interest-aware and time-aware prediction. By using the predicted user-object-attention values, network resources such as the rendering capacity of edge devices can be allocated optimally to maximize the QoE. Finally, we propose promising research directions related to Metaverse services.
• Abstract（参考訳）: コンピューティングと通信技術のサポートにより、metaverseはユーザーに前例のないサービス体験をもたらすことが期待されている。 しかし、Metaverseユーザの増加は、特にグラフィカルな拡張現実をベースとして多数の仮想オブジェクトをレンダリングする必要があるMetaverseサービスに対して、ネットワークリソースに対する大きな需要を生んでいる。 ネットワークリソースを効率的に利用し、qoe(quality-of-experience)を改善するために、カスタマイズされたメタバースサービスを実現するために注意喚起型ネットワークリソース割り当てスキームを設計する。 目的は、ユーザーがより興味を持つ仮想オブジェクトにより多くのネットワークリソースを割り当てることである。 まず、QoE分析、アイトラッキング、リモートレンダリングなど、Metaverseサービスに関連するいくつかの重要な技術について議論する。 次に、既存のデータセットをレビューし、ユーザ30から96のオブジェクトに対する1000のイメージの真偽を含むユーザオブジェクトアテンションレベル(UOAL)データセットを提案する。 UOALの使い方に関するチュートリアルが紹介されている。 uoalの助けを借りて,注意予測とqoe最大化という2つのステップを持つ注意対応ネットワークリソース割り当てアルゴリズムを提案する。 具体的には,2種類の注意予測手法,すなわち関心認識と時間認識予測の設計について概説する。 予測されたユーザオブジェクトアテンション値を使用することで、エッジデバイスのレンダリング能力などのネットワークリソースを最適に割り当ててqoeを最大化することができる。 最後に,メタバースサービスに関する有望な研究方向を提案する。

関連論文リスト

• Human-Centric Resource Allocation for the Metaverse With Multiaccess Edge Computing [4.217982035156334]
  グラフ畳み込みネットワーク(SAC-GCN)を用いたマルチエージェントソフトアクター批判に基づく適応エッジリソース割り当て手法を提案する。 SAC-GCNの有効性は,ユーザエクスペリエンスの分析,資源配分のバランス,資源利用率などを通じて実証される。
  論文  参考訳（メタデータ） (2023-12-23T18:07:46Z)
• Probable Object Location (POLo) Score Estimation for Efficient Object Goal Navigation [15.623723522165731]
  本稿では,POLo(Probable Object Location)スコアを中心とした新しいフレームワークを提案する。 計算集約的なPOLoスコアを近似するためにトレーニングされたニューラルネットワークであるPOLoNetを導入することで、フレームワークの実用性をさらに向上する。 OVMM 2023チャレンジの第1フェーズを含む実験では,POLoNetを組み込んだエージェントが,幅広いベースライン手法を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2023-11-14T08:45:32Z)
• Vision-based Semantic Communications for Metaverse Services: A Contest Theoretic Approach [66.10465001046762]
  Metaverseでは、アバターを更新し、ユーザの振る舞いを反映してレンダリングする必要がある。 ユーザとMPP間のインタラクションをモデル化する意味コミュニケーションフレームワークを提案する。 我々はセマンティック通信技術を用いて送信するデータの量を削減する。
  論文  参考訳（メタデータ） (2023-08-15T07:56:33Z)
• A Unified Framework for Integrating Semantic Communication and AI-Generated Content in Metaverse [57.317580645602895]
  統合セマンティックコミュニケーションとAI生成コンテンツ(ISGC)は近年多くの注目を集めている。 ISGCはユーザ入力から意味情報を転送し、デジタルコンテンツを生成し、Metaverse用のグラフィックをレンダリングする。 最適化されたリソース割り当てのための統合ゲインを含む,ISGCの2つの主要なメリットをキャプチャする統合フレームワークを導入する。
  論文  参考訳（メタデータ） (2023-05-18T02:02:36Z)
• Dynamic Resource Allocation for Metaverse Applications with Deep Reinforcement Learning [64.75603723249837]
  そこで本研究では,Metaverse アプリケーション用の異なるタイプのリソースを動的に管理・割り当てする新しいフレームワークを提案する。 まず,アプリケーション間で共通関数を共有できるMetaInstancesという,アプリケーションをグループに分割する効果的なソリューションを提案する。 そこで我々は,要求到着プロセスとアプリケーション離脱プロセスのリアルタイム,動的,不確実な特性を捉えるために,セミマルコフ決定プロセスに基づくフレームワークを開発する。
  論文  参考訳（メタデータ） (2023-02-27T00:30:01Z)
• Attention-aware Resource Allocation and QoE Analysis for Metaverse xURLLC Services [78.17423912423999]
  サービスプロバイダ(MSP)とネットワークインフラストラクチャプロバイダ(InP)の相互作用について検討する。 メタバース利用者の主観的感情と主観的感情の両方を取り入れたメタデュイマージョン(Meta-DuImmersion)という新しい尺度を提案する。 我々は、xURLLCにおけるQoEを改善するために、注意を意識したレンダリングキャパシティ割り当て方式を開発した。
  論文  参考訳（メタデータ） (2022-08-10T16:51:27Z)
• Learning Personalized Representations using Graph Convolutional Network [16.149897648881844]
  グラフ畳み込みネットワークに基づくモデル、すなわちパーソナライズされた動的ルーティング機能(PDRFE)を提案する。 PDRFEは、構築されたグラフから学習したパーソナライズされた顧客表現を生成する。 提案したモデルに対するクロスエントロピー測定では,ベースラインと比較して最大41%の改善が見られた。
  論文  参考訳（メタデータ） (2022-07-28T11:31:38Z)
• Correlation-Aware Deep Tracking [83.51092789908677]
  本稿では,自己/横断的意図に着想を得た,新たなターゲット依存型特徴ネットワークを提案する。 我々のネットワークは機能ネットワークの複数の層にクロスイメージの特徴相関を深く埋め込んでいる。 我々のモデルは、豊富な未ペア画像に対して柔軟に事前訓練が可能であり、既存の手法よりも顕著に高速な収束をもたらす。
  論文  参考訳（メタデータ） (2022-03-03T11:53:54Z)
• Context-aware Heterogeneous Graph Attention Network for User Behavior Prediction in Local Consumer Service Platform [8.30503479549857]
  ローカルコンシューマサービスプラットフォームは、GrouponやKoubeiといった、近くの店や自宅へのサービスを利用するソフトウェアを提供する。 ローカルコンシューマサービスプラットフォーム上でのユーザの振る舞いは、リアルタイムなローカルコンテキスト情報と密接に関連している。 本稿では,ユーザの表現を生成し,将来の行動の確率を推定するために,コンテキスト対応の異種グラフアテンションネットワーク(CHGAT)を提案する。
  論文  参考訳（メタデータ） (2021-06-24T03:08:21Z)

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。