Fugu-MT 論文翻訳(概要): Enabling Immersive XR Collaborations over FTTR Networks (Invited)

論文の概要: Enabling Immersive XR Collaborations over FTTR Networks (Invited)

arxiv url: http://arxiv.org/abs/2508.00009v1
Date: Mon, 21 Jul 2025 05:38:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-10 09:30:49.248898
Title: Enabling Immersive XR Collaborations over FTTR Networks (Invited)
Title（参考訳）: FTTRネットワーク上での没入型XRコラボレーションの実現(招待)
Authors: Sourav Mondal, Elaine Wong,
Abstract要約: Fiber-To-The-Roomは、オンプレミスで拡張現実のコラボレーションを実現するための潜在的なソリューションである。本稿では,FTTR上での予測帯域割り当てとシームレスなハンドオーバ方式について検討する。
参考スコア（独自算出の注目度）: 4.0707065703101755
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Fiber-To-The-Room is a potential solution to achieve in-premise extended reality collaborations. This paper explores predictive bandwidth allocation and seamless handover schemes over FTTR, showing high-quality immersive experience for in-premise collaborations can be achieved. \c{opyright} 2025 The Author(s).
Abstract（参考訳）: Fiber-To-The-Roomは、オンプレミスで拡張現実のコラボレーションを実現するための潜在的なソリューションである。本稿では、FTTR上での予測帯域割り当てとシームレスなハンドオーバ方式について検討し、オンプレミスの協調作業において高品質な没入感を実現できることを示す。 c{opyright} 2025 著者(s)。

関連論文リスト

Trinity-RFT: A General-Purpose and Unified Framework for Reinforcement Fine-Tuning of Large Language Models [65.90917869715258]
Trinity-RFTは、大規模言語モデルの強化微調整(RFT)のために設計された汎用的で統一的で使いやすいフレームワークである。 RFT-coreは、同期/非同期、オンライン/オフライン、RTTのオンライン/オフラインモードを統一・一般化する。
論文参考訳（メタデータ） (2025-05-23T12:41:09Z)
Co-Reinforcement Learning for Unified Multimodal Understanding and Generation [53.03303124157899]
本稿では,統一多モーダル大言語モデル(ULM)に対するグループ相対的政策最適化による強化学習(RL)の先駆的な探索について述べる。共同最適化のための統一RLステージとタスク固有強化のための改良RLステージからなる協調強化学習フレームワークであるCoRLを紹介する。提案したCoRLでは,3つのテキスト・画像生成データセットで平均7%,9つのマルチモーダル理解ベンチマークで平均23%の改善を実現している。
論文参考訳（メタデータ） (2025-05-23T06:41:07Z)
V2X-DG: Domain Generalization for Vehicle-to-Everything Cooperative Perception [34.97091536254836]
本稿では,LiDARに基づくV2X協調知覚の領域一般化問題を研究するための最初の研究である。我々の研究は、ソースドメインだけでなく、他の見えないドメインでも高いパフォーマンスを維持することを目指している。
論文参考訳（メタデータ） (2025-03-19T17:17:44Z)
V2X-ReaLO: An Open Online Framework and Dataset for Cooperative Perception in Reality [13.68645389910716]
V2X-ReaLOは,実車およびスマートインフラストラクチャ上にデプロイされたオープンオンライン協調認識フレームワークである。本稿では,オンライン協調認識システムの性能を評価するために,オープンなベンチマークデータセットを提案する。
論文参考訳（メタデータ） (2025-03-13T04:31:20Z)
WDMoE: Wireless Distributed Mixture of Experts for Large Language Models [68.45482959423323]
大規模言語モデル(LLM)は様々な自然言語処理タスクにおいて大きな成功を収めた。本稿では,無線ネットワーク上での基地局(BS)およびモバイルデバイスにおけるエッジサーバ間のLLMの協調展開を実現するために,無線分散Mixture of Experts(WDMoE)アーキテクチャを提案する。
論文参考訳（メタデータ） (2024-11-11T02:48:00Z)
T-REX: Mixture-of-Rank-One-Experts with Semantic-aware Intuition for Multi-task Large Language Model Finetuning [31.276142111455847]
大規模言語モデル(LLM)は多様なマルチタスクの微調整において重要な適応課題に直面している。我々はmixunderlinetextbfTureunderlinetextbf-of-underlinetextbfRank-onunderlinetextbfE-eunderlinetextbfXper ts (textttT-REX) という新しいフレームワークを設計する。 Rank-1のエキスパートは、ミックス・アンド・マッチのメカニズムにより、線形パラメータのオーバーヘッドを持つエキスパートのベクトル部分空間を2次に拡張し、最適で近似誤差削減を達成することができる。
論文参考訳（メタデータ） (2024-04-13T12:14:58Z)
Fairness Guaranteed and Auction-based x-haul and Cloud Resource Allocation in Multi-tenant O-RANs [3.4519649635864584]
本稿では,min-max Fairness と Vickrey-Clarke-Groves (VCG) オークションベースの x-haul と DU-CU リソース割り当て機構の性能を比較検討する。 min-max Fairアプローチは、RUの最大OPEXを、彼らの要求に比例したコスト共有によって最小化するが、VCGオークションベースのアプローチは、利用しているすべてのリソースの合計OPEXを最小化する。
論文参考訳（メタデータ） (2023-01-02T11:03:50Z)
On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。本稿では,密集市街地における局所化問題について検討する。まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文参考訳（メタデータ） (2022-11-28T00:31:02Z)
Evaluation of a blockchain-enabled resource management mechanism for NGNs [0.0]
本稿では,ネットワークプロバイダ間の資源管理と交渉におけるブロックチェーン技術の利用について検討する。リソース管理機構の実装はスマートコントラクト(SC)で記述され、テストベッドはそれぞれRaftとIBFTのコンセンサス機構を使用している。
論文参考訳（メタデータ） (2022-11-01T13:40:26Z)
Distributed Deep Learning Inference Acceleration using Seamless Collaboration in Edge Computing [93.67044879636093]
本稿では,コラボレーティブエッジコンピューティングにおける分散畳み込みニューラルネットワーク(CNN)を用いた推論高速化について検討する。本研究では,第2エッジサーバ(ES)上のサブタスクの重なり合うゾーンをホストES上で実行し,HALPと命名した新しいタスク協調方式を設計する。実験結果から,GTX 1080TIとJETSON AGX Xavierでは,単一のタスクに対して1.7-2.0x,バッチ毎に1.7-1.8x,バッチ毎に1.7-1.8x,VGG-16では1.7-2.0xのCNN推論を高速化できることがわかった。
論文参考訳（メタデータ） (2022-07-22T18:39:09Z)

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。