論文の概要: Discern-XR: An Online Classifier for Metaverse Network Traffic
- arxiv url: http://arxiv.org/abs/2411.05184v1
- Date: Thu, 07 Nov 2024 21:07:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-11 14:54:00.311591
- Title: Discern-XR: An Online Classifier for Metaverse Network Traffic
- Title（参考訳）: Discern-XR: メタバースネットワークトラフィックのためのオンライン分類器
- Authors: Yoga Suhas Kuruba Manjunath, Austin Wissborn, Mathew Szymanowski, Mushu Li, Lian Zhao, Xiao-Ping Zhang,
- Abstract要約: 我々は、インターネットサービスプロバイダ(ISP)やルータメーカーがMetaverseサービスの品質を高めるのを支援するために、Disdisern-XRという独占的なMetaverseネットワークトラフィック分類器を設計する。
フレームベクトル表現アルゴリズム(FVR)とフレーム同定アルゴリズム(FIA)を併用して,生のネットワークデータから重要なフレーム関連統計データを抽出する。
A2R-OT(Augmentation, Aggregation, and Retention Online Training)アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 14.326482788186242
- License:
- Abstract: In this paper, we design an exclusive Metaverse network traffic classifier, named Discern-XR, to help Internet service providers (ISP) and router manufacturers enhance the quality of Metaverse services. Leveraging segmented learning, the Frame Vector Representation (FVR) algorithm and Frame Identification Algorithm (FIA) are proposed to extract critical frame-related statistics from raw network data having only four application-level features. A novel Augmentation, Aggregation, and Retention Online Training (A2R-OT) algorithm is proposed to find an accurate classification model through online training methodology. In addition, we contribute to the real-world Metaverse dataset comprising virtual reality (VR) games, VR video, VR chat, augmented reality (AR), and mixed reality (MR) traffic, providing a comprehensive benchmark. Discern-XR outperforms state-of-the-art classifiers by 7% while improving training efficiency and reducing false-negative rates. Our work advances Metaverse network traffic classification by standing as the state-of-the-art solution.
- Abstract（参考訳）: 本稿では、インターネットサービスプロバイダ(ISP)やルータメーカーがMetaverseサービスの品質向上を支援するために、Disdisern-XRという専用Metaverseネットワークトラフィック分類器を設計する。
4つのアプリケーションレベルの特徴しか持たない生のネットワークデータから、セグメンテッドラーニングを活用して、フレームベクトル表現(FVR)アルゴリズムとフレーム識別アルゴリズム(FIA)を提案する。
A2R-OT(Augmentation, Aggregation, and Retention Online Training)アルゴリズムを提案する。
さらに、仮想現実(VR)ゲーム、VRビデオ、VRチャット、拡張現実(AR)、MR(Mixed Reality)トラフィックを含む現実世界のMetaverseデータセットにコントリビュートし、包括的なベンチマークを提供する。
Discern-XRは、トレーニング効率を改善し、偽陰性率を減らすとともに、最先端の分類器を7%上回る。
我々の研究は、最先端のソリューションとして立脚することで、Metaverseネットワークトラフィックの分類を進めます。
関連論文リスト
- ResLearn: Transformer-based Residual Learning for Metaverse Network Traffic Prediction [14.326482788186242]
本稿では,メタバースネットワークのトラフィックを予測するための総合的なソリューションを提案する。
まず、仮想現実(VR)、拡張現実(AR)、MR(Mixed Reality)トラフィックの実際のデータセットをキャプチャする最先端のテストベッドを紹介します。
次に,プライバシコンプライアンスを確保しつつ,トラフィックから映像フレームを正確に識別する新しいビューフレーム(VF)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-07T21:11:24Z) - A Deep Reinforcement Learning Approach for Adaptive Traffic Routing in
Next-gen Networks [1.1586742546971471]
次世代ネットワークは、トラフィックダイナミクスに基づいたネットワーク構成を自動化し、適応的に調整する必要がある。
交通政策を決定する伝統的な手法は、通常は手作りのプログラミング最適化とアルゴリズムに基づいている。
我々は適応的なトラフィックルーティングのための深層強化学習(DRL)アプローチを開発する。
論文 参考訳（メタデータ） (2024-02-07T01:48:29Z) - Federated Multi-View Synthesizing for Metaverse [52.59476179535153]
メタバースは没入型エンターテイメント、教育、ビジネスアプリケーションを提供すると期待されている。
無線ネットワーク上のバーチャルリアリティ(VR)伝送は、データと計算集約である。
我々は,メタバースにおける無線コンテンツ配信のために,効率的な合成,記憶,通信資源を提供する,新しい多視点合成フレームワークを開発した。
論文 参考訳（メタデータ） (2023-12-18T13:51:56Z) - ROSE: A Recognition-Oriented Speech Enhancement Framework in Air Traffic Control Using Multi-Objective Learning [6.60571587618006]
無線音声エコー(Radio speech echo)は、空気交通制御(ATC)領域において特定の現象であり、音声品質を低下させ、自動音声認識(ASR)の精度に影響を与える。
本研究では,時間領域認識指向音声強調フレームワークを提案し,音声認識能力の向上とASR精度の向上を図る。
このフレームワークはATCシナリオのプラグイン・アンド・プレイツールとして機能し、ASRモデルのさらなる再トレーニングを必要としない。
論文 参考訳（メタデータ） (2023-12-11T04:51:41Z) - Real-Time Motion Prediction via Heterogeneous Polyline Transformer with
Relative Pose Encoding [121.08841110022607]
既存のエージェント中心の手法は、公開ベンチマークで顕著な性能を示した。
K-nearest neighbor attention with relative pose encoding (KNARPE) は、トランスフォーマーがペアワイズ相対表現を使用できる新しいアテンション機構である。
エージェント間でコンテキストを共有し、変化しないコンテキストを再利用することで、私たちのアプローチはシーン中心のメソッドと同じくらい効率的になり、最先端のエージェント中心のメソッドと同等に実行されます。
論文 参考訳（メタデータ） (2023-10-19T17:59:01Z) - Advances on Concept Drift Detection in Regression Tasks using Social
Networks Theory [5.25961378238154]
スケールフリーネットワークレグレシタ (SFNR) は、ソーシャルネットワーク理論を用いた動的アンサンブルに基づく回帰手法である。
概念のドリフトを検出するため、SFNRはAdaptive Window (ADWIN)アルゴリズムを使用している。
その結果,特にコンセプトドリフト時の精度が向上した。
論文 参考訳（メタデータ） (2023-04-19T16:13:28Z) - Optimal Transport for Offline Imitation Learning [31.218468923400373]
オフライン強化学習(RL)は、実環境と対話することなく、優れた意思決定ポリシーを学習するための有望なフレームワークである。
オフライントラジェクトリに報酬を割り当てるアルゴリズムであるOptimal Transport Reward labeling (OTR)を導入する。
単一実演によるOTRは、オフラインRLの性能と地道的な報酬とを一貫して一致させることができることを示す。
論文 参考訳（メタデータ） (2023-03-24T12:45:42Z) - Benchmark Dataset and Effective Inter-Frame Alignment for Real-World
Video Super-Resolution [65.20905703823965]
ビデオ超解像(VSR)は、高解像度(HR)動画を低解像度(LR)ビデオから再構成することを目的としており、近年大きく進歩している。
既存のVSRメソッドを複雑な劣化を伴う実世界のデータにデプロイすることは依然として困難である。
EAVSRは、提案した多層適応空間変換ネットワーク(MultiAdaSTN)を用いて、事前学習した光フロー推定ネットワークが提供するオフセットを洗練する。
論文 参考訳（メタデータ） (2022-12-10T17:41:46Z) - Streaming Audio-Visual Speech Recognition with Alignment Regularization [69.30185151873707]
本稿では,ハイブリッド接続型時間分類(CTC)/アテンションニューラルネットワークアーキテクチャに基づくストリーミングAV-ASRシステムを提案する。
提案したAV-ASRモデルは、オフラインおよびオンライン設定でLip Reading Sentences 3データセット上で、WERの2.0%と2.6%を達成する。
論文 参考訳（メタデータ） (2022-11-03T20:20:47Z) - Towards Scale Consistent Monocular Visual Odometry by Learning from the
Virtual World [83.36195426897768]
仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。
まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。
結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
論文 参考訳（メタデータ） (2022-03-11T01:51:54Z) - Domain Adaptive Robotic Gesture Recognition with Unsupervised
Kinematic-Visual Data Alignment [60.31418655784291]
本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。
ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。
その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
論文 参考訳（メタデータ） (2021-03-06T09:10:03Z)
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。