論文の概要: Causal-Aware Intelligent QoE Optimization for VR Interaction with Adaptive Keyframe Extraction

• arxiv url: http://arxiv.org/abs/2506.19890v1
• Date: Tue, 24 Jun 2025 07:32:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.479367
• Title: Causal-Aware Intelligent QoE Optimization for VR Interaction with Adaptive Keyframe Extraction
• Title（参考訳）: 適応鍵フレーム抽出によるVRインタラクションのための因果認識インテリジェントQoE最適化
• Authors: Ziru Zhang, Jiadong Yu, Danny H. K. Tsang,
• Abstract要約: 本稿では,VRゲームにおけるクオリティ・オブ・エクスペリエンス(QoE)を最大化するインテリジェントなフレームワークを提案する。 適応抽出と因果認識強化学習(RL)の統合 実験の結果、我々のフレームワークは対話的なレイテンシを著しく低減し、QoEを強化し、公平性を維持することがわかった。
• 参考スコア（独自算出の注目度）: 6.2819120598047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The optimization of quality of experience (QoE) in multi-user virtual reality (VR) interactions demands a delicate balance between ultra-low latency, high-fidelity motion synchronization, and equitable resource allocation. While adaptive keyframe extraction mitigates transmission overhead, existing approaches often overlook the causal relationships among allocated bandwidth, CPU frequency, and user perception, limiting QoE gains. This paper proposes an intelligent framework to maximize QoE by integrating adaptive keyframe extraction with causal-aware reinforcement learning (RL). First, a novel QoE metric is formulated using the Weber-Fechner Law, combining perceptual sensitivity, attention-driven priorities, and motion reconstruction accuracy. The QoE optimization problem is then modeled as a mixed integer programming (MIP) task, jointly optimizing keyframe ratios, bandwidth, and computational resources under horizon-fairness constraints. We propose Partial State Causal Deep Deterministic Policy Gradient (PS-CDDPG), which integrates the Deep Deterministic Policy Gradient (DDPG) method with causal influence detection. By leveraging causal information regarding how QoE is influenced and determined by various actions, we explore actions guided by weights calculated from causal inference (CI), which in turn improves training efficiency. Experiments conducted with the CMU Motion Capture Database demonstrate that our framework significantly reduces interactive latency, enhances QoE, and maintains fairness, achieving superior performance compared to benchmark methods.
• Abstract（参考訳）: マルチユーザーバーチャルリアリティー(VR)インタラクションにおけるQoE(Quality of Experience)の最適化は、超低レイテンシ、高忠実度モーション同期、公平なリソース割り当ての微妙なバランスを必要とする。 適応的なキーフレーム抽出は送信オーバーヘッドを軽減するが、既存のアプローチは割り当てされた帯域幅、CPU周波数、ユーザ知覚の間の因果関係を見落とし、QoEのゲインを制限する。 本稿では、適応鍵フレーム抽出と因果認識強化学習(RL)を統合することにより、QoEを最大化するインテリジェントフレームワークを提案する。 まず、Weber-Fechner法を用いて、知覚感度、注意駆動優先順位、動き再構成精度を組み合わせた新しいQoE計量を定式化する。 その後、QoE最適化問題は混合整数プログラミング(MIP)タスクとしてモデル化され、鍵フレーム比、帯域幅、計算資源を水平対空制約下で共同最適化する。 本稿では,Deep Deterministic Policy Gradient(DDPG)法と因果影響検出を統合した部分的状態因果決定性ポリシーグラディエント(PS-CDDPG)を提案する。 様々な行動によってQoEがどのように影響され、決定されるかという因果情報を活用することにより、因果推論(CI)から算出された重みによって導かれる行動を探究し、訓練効率を向上させる。 CMU Motion Capture Databaseを用いて行った実験により、我々のフレームワークは対話的な遅延を著しく低減し、QoEを向上し、公平性を保ち、ベンチマーク手法よりも優れた性能を実現していることが示された。

関連論文リスト

• The Larger the Merrier? Efficient Large AI Model Inference in Wireless Edge Networks [56.37880529653111]
  大規模計算モデル(LAIM)サービスの需要は、従来のクラウドベースの推論から、低レイテンシでプライバシ保護のアプリケーションのためのエッジベースの推論へのパラダイムシフトを推進している。 本稿では,事前学習したLAIMをデバイス上のサブモデルとサーバ上のサブモデルに分割して配置するLAIM推論方式について検討する。
  論文  参考訳（メタデータ） (2025-05-14T08:18:55Z)
• Review, Refine, Repeat: Understanding Iterative Decoding of AI Agents with Dynamic Evaluation and Selection [71.92083784393418]
  Best-of-N (BON) サンプリングのような推論時間法は、パフォーマンスを改善するための単純で効果的な代替手段を提供する。 本稿では,反復的改良と動的候補評価,検証器による選択を併用した反復的エージェント復号(IAD)を提案する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• Efficient and Scalable Deep Reinforcement Learning for Mean Field Control Games [16.62770187749295]
  平均場制御ゲーム(MFCG)は、無限に多くの相互作用するエージェントのシステムを解析するための強力な理論的枠組みを提供する。 本稿では,MFCGの近似平衡解に対する拡張性のある深層強化学習(RL)手法を提案する。
  論文  参考訳（メタデータ） (2024-12-28T02:04:53Z)
• Artificial-Intelligence-Driven Shot Reduction in Quantum Measurement [6.649102874357367]
  変量量子固有解法(VQE)は、分子基底エネルギーを近似するための強力な解を提供する。 量子ハードウェアにおける推定確率は繰り返し測定を必要とする(ショット) 本稿では,全撮影量を最小化するために,自動でショット割り当てポリシーを学習する強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-05-03T21:51:07Z)
• Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
  我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。 実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
  論文  参考訳（メタデータ） (2023-11-05T12:03:58Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Non-Cooperative Game Theory Based Rate Adaptation for Dynamic Video Streaming over HTTP [89.30855958779425]
  Dynamic Adaptive Streaming over HTTP (DASH)は、新興かつ有望なマルチメディアストリーミング技術であることを示した。 本稿では,サーバの限られた輸出帯域幅をマルチユーザに対して最適に割り当てるアルゴリズムを提案し,その品質・オブ・エクスペリエンス(QoE)を公平性で最大化する。
  論文  参考訳（メタデータ） (2019-12-27T01:19:14Z)

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。