Fugu-MT 論文翻訳(概要): AI-assisted Improved Service Provisioning for Low-latency XR over 5G NR

論文の概要: AI-assisted Improved Service Provisioning for Low-latency XR over 5G NR

arxiv url: http://arxiv.org/abs/2307.08987v1
Date: Tue, 18 Jul 2023 05:57:00 GMT
ステータス: 処理完了
システム内更新日: 2023-07-19 16:20:55.438179
Title: AI-assisted Improved Service Provisioning for Low-latency XR over 5G NR
Title（参考訳）: 5G NRによる低遅延XRのためのAI支援型サービスプロビジョニング
Authors: Moyukh Laha, Dibbendu Roy, Sourav Dutta, Goutam Das
Abstract要約: 拡張現実感 (XR) は5G/6Gメディアアプリケーションの中で最も重要なものの一つである。 XRサービスをサポートするための低レイテンシ、高いデータレート、信頼性を保証することは、大きな課題である。このレターは、予測されたフレームを処理に利用する、AI支援のサービスプロビジョニングスキームを新たに提示する。
参考スコア（独自算出の注目度）: 4.6795158415282465
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Extended Reality (XR) is one of the most important 5G/6G media applications that will fundamentally transform human interactions. However, ensuring low latency, high data rate, and reliability to support XR services poses significant challenges. This letter presents a novel AI-assisted service provisioning scheme that leverages predicted frames for processing rather than relying solely on actual frames. This method virtually increases the network delay budget and consequently improves service provisioning, albeit at the expense of minor prediction errors. The proposed scheme is validated by extensive simulations demonstrating a multi-fold increase in supported XR users and also provides crucial network design insights.
Abstract（参考訳）: 拡張現実(xr)は、人間の相互作用を根本的に変える最も重要な5g/6gメディアアプリケーションの一つである。しかしながら、XRサービスをサポートするために低レイテンシ、高いデータレート、信頼性を保証することは大きな課題である。このレターは、予測されたフレームを実際のフレームのみに依存するのではなく、処理に利用する、AI支援のサービスプロビジョニングスキームを新たに提示する。この方法はネットワーク遅延予算を事実上増加させ、マイナーな予測エラーを犠牲にしてサービス提供を改善する。提案手法は,XRユーザ数の増加を示す広範囲なシミュレーションにより検証され,ネットワーク設計上の重要な知見も提供する。

関連論文リスト

Intelligent Task Offloading: Advanced MEC Task Offloading and Resource Management in 5G Networks [6.725133919174076]
5G技術は、高速で信頼性が高く、低レイテンシな通信、モバイルブロードバンドの革新、大規模なIoT接続をサポートする業界を強化します。 User Equipment上のアプリケーションの複雑さが増すにつれて、リソース集約的なタスクを堅牢なサーバにオフロードすることは、レイテンシとスピードを改善する上で不可欠である。本稿では,各UE間の通信資源を効率的に配分する手法を提案する。 5G技術の進化によって引き起こされる課題に対して、堅牢で効率的な解決策を提供する。
論文参考訳（メタデータ） (2025-01-08T16:19:44Z)
Distributed Collaborative Inference System in Next-Generation Networks and Communication [12.372334028925618]
生成人工知能(GAI)の高度な計算要求は、限られたリソースを持つデバイスに対する課題を提示する。次世代ネットワークと通信のための多段階協調推論システムを提案する。本システムでは,推測精度を犠牲にすることなく,最大17%の推論時間を短縮できる。
論文参考訳（メタデータ） (2024-11-16T10:48:12Z)
LinFormer: A Linear-based Lightweight Transformer Architecture For Time-Aware MIMO Channel Prediction [39.12741712294741]
第6世代(6G)モバイルネットワークは、ハイモビリティ通信をサポートする上で、新たな課題をもたらす。本稿では,スケーラブルで全線形なエンコーダのみのトランスフォーマーモデルに基づく,革新的なチャネル予測フレームワークLinFormerを提案する。提案手法は,高い予測精度を維持しつつ,計算複雑性を大幅に低減し,コスト効率のよい基地局(BS)の展開に適している。
論文参考訳（メタデータ） (2024-10-28T13:04:23Z)
How Does Forecasting Affect the Convergence of DRL Techniques in O-RAN Slicing? [20.344810727033327]
本稿では,DRLの収束性を高めるため,新しい予測支援型DRL手法とそのO-RAN実運用ワークフローを提案する。提案手法では, 平均初期報酬値, 収束率, 収束シナリオ数において最大22.8%, 86.3%, 300%の改善が見られた。
論文参考訳（メタデータ） (2023-09-01T14:30:04Z)
Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via Conformal Prediction [72.59079526765487]
アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。主な課題は、URLLCパケット生成のプロセスにおける不確実性である。本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
論文参考訳（メタデータ） (2023-02-15T14:09:55Z)
RDRN: Recursively Defined Residual Network for Image Super-Resolution [58.64907136562178]
深部畳み込みニューラルネットワーク(CNN)は、単一画像超解像において顕著な性能を得た。本稿では,注目ブロックを効率的に活用する新しいネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-11-17T11:06:29Z)
A Graph Neural Networks based Framework for Topology-Aware Proactive SLA Management in a Latency Critical NFV Application Use-case [0.34376560669160383]
5Gと6Gの最近の進歩は、ネットワークシリーズ(NFV)によって実現される遅延クリティカルなアプリケーションの出現につながっている。本稿では,グラフニューラルネットワーク(GNN)と深層強化学習(DRL)を活用して,効率性と信頼性のトレードオフをバランスさせる,積極的なSLA管理フレームワークを提案する。
論文参考訳（メタデータ） (2022-11-10T23:22:05Z)
Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文参考訳（メタデータ） (2022-08-17T03:00:24Z)
FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文参考訳（メタデータ） (2022-01-18T13:59:22Z)
Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文参考訳（メタデータ） (2021-06-07T11:37:03Z)
Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
論文参考訳（メタデータ） (2021-03-15T12:54:26Z)

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。