論文の概要: Decentralized Fairness Aware Multi Task Federated Learning for VR Network

• arxiv url: http://arxiv.org/abs/2512.02513v1
• Date: Tue, 02 Dec 2025 08:13:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.781271
• Title: Decentralized Fairness Aware Multi Task Federated Learning for VR Network
• Title（参考訳）: VRネットワークのためのマルチタスクフェデレーション学習を意識した分散フェアネス
• Authors: Krishnendu S. Tharakan, Carlo Fischione,
• Abstract要約: ワイヤレス接続はバーチャルリアリティ(VR)体験を解き放つことを約束し、ユーザーはいつでもどこからでもエンゲージできる。 シームレスで高品質でリアルタイムなVRビデオをワイヤレスで配信することは、体験要件の厳しい品質、低レイテンシの制約、VRデバイスの限られた機能のために難しい。 本稿では、各BSに合わせたキャッシュ戦略に基づいて、基地局(BS)における各VRユーザの視野(FOV)をキャッシュし、プリパッチする、DMTFLベースの分散マルチタスクフェアフェデレーション学習(DMTFL)ベースのキャッシュを導入することで、これらの課題に対処する。
• 参考スコア（独自算出の注目度）: 12.544579930854447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wireless connectivity promises to unshackle virtual reality (VR) experiences, allowing users to engage from anywhere, anytime. However, delivering seamless, high-quality, real-time VR video wirelessly is challenging due to the stringent quality of experience requirements, low latency constraints, and limited VR device capabilities. This paper addresses these challenges by introducing a novel decentralized multi task fair federated learning (DMTFL) based caching that caches and prefetches each VR user's field of view (FOV) at base stations (BSs) based on the caching strategies tailored to each BS. In federated learning (FL) in its naive form, often biases toward certain users, and a single global model fails to capture the statistical heterogeneity across users and BSs. In contrast, the proposed DMTFL algorithm personalizes content delivery by learning individual caching models at each BS. These models are further optimized to perform well under any target distribution, while providing theoretical guarantees via Rademacher complexity and a probably approximately correct (PAC) bound on the loss. Using a realistic VR head-tracking dataset, our simulations demonstrate the superiority of our proposed DMTFL algorithm compared to baseline algorithms.
• Abstract（参考訳）: ワイヤレス接続はバーチャルリアリティ(VR)体験を解き放つことを約束し、ユーザーはいつでもどこからでもエンゲージできる。 しかし、シームレスで高品質でリアルタイムなVRビデオのワイヤレス配信は、体験要件の厳しい品質、低レイテンシの制約、限られたVRデバイス機能のために困難である。 本稿では、各BSに合わせたキャッシュ戦略に基づいて、基地局(BS)における各VRユーザの視野(FOV)をキャッシュし、プリパッチする、DMTFLベースの分散マルチタスクフェアフェデレーション学習(DMTFL)ベースのキャッシュを導入することで、これらの課題に対処する。 連合学習(FL)では、特定のユーザに対してバイアスがかかり、単一のグローバルモデルでは、ユーザとBS間の統計的不均一性を捉えることができない。 対照的に、提案したDMTFLアルゴリズムは、各BSにおける個別キャッシングモデルを学習することにより、コンテンツ配信をパーソナライズする。 これらのモデルは、Rademacher複雑性による理論的保証と、損失に縛られたおそらくほぼ正しいPAC(英語版)を提供するとともに、任意の目標分布下での良好な性能に最適化されている。 シミュレーションでは,現実的なVRヘッドトラッキングデータセットを用いて,ベースラインアルゴリズムと比較して提案したDMTFLアルゴリズムの優位性を実証した。

関連論文リスト

• FastFit: Accelerating Multi-Reference Virtual Try-On via Cacheable Diffusion Models [59.8871829077739]
  FastFitは、キャッシュ可能な新しい拡散アーキテクチャに基づいた、高速なマルチ参照仮想試行フレームワークである。 本モデルでは,パラメータのオーバーヘッドを無視して参照特徴符号化をデノナイズ処理から完全に切り離す。 これにより、参照機能は一度だけ計算され、すべてのステップで損失なく再利用される。
  論文  参考訳（メタデータ） (2025-08-28T09:25:52Z)
• Adaptive Score Alignment Learning for Continual Perceptual Quality Assessment of 360-Degree Videos in Virtual Reality [20.511561848185444]
  適応スコアアライメント学習(ASAL:Adaptive Score Alignment Learning)という,VRビデオの知覚品質を評価する新しい手法を提案する。 ASALは相関損失と誤り損失を統合し、人間の主観的評価と知覚品質の予測精度を高める。 我々はVR-VQAとそのCLのための総合的なベンチマークを確立し、新しいデータ分割と評価指標を導入しました。
  論文  参考訳（メタデータ） (2025-02-27T00:29:04Z)
• Personalized Federated Learning for Cellular VR: Online Learning and Dynamic Caching [16.96359666187395]
  本稿では,モバイルエッジコンピューティング(MEC)対応無線VRネットワークのためのFoV対応キャッシング手法を提案する。 複数のVRデバイスと基地局(BS)で構成されるVRシステムを考えると、各BSにDP-FLキャッシュアルゴリズムを実装し、VRユーザのコンテンツ配信をパーソナライズする。 提案するDP-FLアルゴリズムの性能は,現実的なVRヘッドトラッキングデータセットを用いて検証する。
  論文  参考訳（メタデータ） (2025-01-20T21:07:44Z)
• 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)
• Analysis and Optimization of Wireless Federated Learning with Data Heterogeneity [72.85248553787538]
  本稿では、データの不均一性を考慮した無線FLの性能解析と最適化と、無線リソース割り当てについて述べる。 ロス関数の最小化問題を、長期エネルギー消費と遅延の制約の下で定式化し、クライアントスケジューリング、リソース割り当て、ローカルトレーニングエポック数(CRE)を共同で最適化する。 実世界のデータセットの実験により、提案アルゴリズムは学習精度とエネルギー消費の点で他のベンチマークよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-04T04:18:01Z)
• WiserVR: Semantic Communication Enabled Wireless Virtual Reality Delivery [12.158124978097982]
  本稿では,VRユーザに対して連続した360度ビデオフレームを提供するための,Wireless SEmantic deliveRy for VR(WiserVR)という新しいフレームワークを提案する。 ディープラーニングベースの複数のモジュールは、WiserVRのトランシーバとしてよく設計されており、高性能な特徴抽出とセマンティックリカバリを実現している。
  論文  参考訳（メタデータ） (2022-11-02T16:22:41Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• Meta-Reinforcement Learning for Reliable Communication in THz/VLC Wireless VR Networks [157.42035777757292]
  屋内テラヘルツ(THz)/可視光通信(VLC)無線ネットワークにおいて,仮想現実(VR)サービスの品質向上の問題について検討した。 小型基地局(sbss)は高品質のvr画像をthzバンド経由でvrユーザーに送信し、発光ダイオード(led)は正確な屋内測位サービスを提供する。 研究したTHz/VLC無線VRネットワークのエネルギー消費を制御するには、VLCアクセスポイント(VAP)を選択的にオンにする必要がある。
  論文  参考訳（メタデータ） (2021-01-29T15:57:25Z)

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。