論文の概要: Hybrid Feedback-Guided Optimal Learning for Wireless Interactive Panoramic Scene Delivery

• arxiv url: http://arxiv.org/abs/2602.07273v1
• Date: Fri, 06 Feb 2026 23:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.541682
• Title: Hybrid Feedback-Guided Optimal Learning for Wireless Interactive Panoramic Scene Delivery
• Title（参考訳）: 無線インタラクティブパノラマシーン配信のためのハイブリッドフィードバック誘導最適学習
• Authors: Xiaoyi Wu, Juaren Steiger, Bin Li, R. Srikant,
• Abstract要約: バーチャルおよび拡張現実のような没入型アプリケーションは、フレームレート、レイテンシ、同期に厳しい要件を課している。 これらの要件を満たすため、エッジサーバはパノラマコンテンツをレンダリングし、ユーザの頭の動きを予測し、ユーザビューポートをカバーするのに十分な大きさのシーンの一部を送信する必要がある。 各部分は2つのフィードバック信号を生成する: 予測フィードバック、選択された部分が実際のビューポートをカバーするかどうか、および送信フィードバック、および対応するパケットが正常に配信されるかどうかを示す。
• 参考スコア（独自算出の注目度）: 13.030245051813738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Immersive applications such as virtual and augmented reality impose stringent requirements on frame rate, latency, and synchronization between physical and virtual environments. To meet these requirements, an edge server must render panoramic content, predict user head motion, and transmit a portion of the scene that is large enough to cover the user viewport while remaining within wireless bandwidth constraints. Each portion produces two feedback signals: prediction feedback, indicating whether the selected portion covers the actual viewport, and transmission feedback, indicating whether the corresponding packets are successfully delivered. Prior work models this problem as a multi-armed bandit with two-level bandit feedback, but fails to exploit the fact that prediction feedback can be retrospectively computed for all candidate portions once the user head pose is observed. As a result, prediction feedback constitutes full-information feedback rather than bandit feedback. Motivated by this observation, we introduce a two-level hybrid feedback model that combines full-information and bandit feedback, and formulate the portion selection problem as an online learning task under this setting. We derive an instance-dependent regret lower bound for the hybrid feedback model and propose AdaPort, a hybrid learning algorithm that leverages both feedback types to improve learning efficiency. We further establish an instance-dependent regret upper bound that matches the lower bound asymptotically, and demonstrate through real-world trace driven simulations that AdaPort consistently outperforms state-of-the-art baseline methods.
• Abstract（参考訳）: バーチャルおよび拡張現実のような没入型アプリケーションは、物理環境と仮想環境の間のフレームレート、レイテンシ、同期に厳しい要件を課している。 これらの要件を満たすため、エッジサーバはパノラマコンテンツをレンダリングし、ユーザの頭部の動きを予測し、無線帯域制限内に留まりながら、ユーザビューポートをカバーするのに十分な大きさのシーンの一部を送信する必要がある。 各部分は2つのフィードバック信号を生成する: 予測フィードバック、選択された部分が実際のビューポートをカバーするかどうか、および送信フィードバック、および対応するパケットが正常に配信されるかどうかを示す。 従来の作業では、この問題を2段階の盗聴フィードバックを持つマルチアームバンディットとしてモデル化していたが、ユーザヘッドのポーズが観測されると、予測フィードバックがすべての候補部分に対して振り返って計算できるという事実を活用できない。 その結果、予測フィードバックは、包括的フィードバックではなく、完全な情報フィードバックを構成する。 本研究は,全情報と包括的フィードバックを組み合わせた2段階のハイブリッドフィードバックモデルを導入し,この環境下でのオンライン学習課題として部分選択問題を定式化する。 我々は、ハイブリッドフィードバックモデルに対して、インスタンス依存の後悔の少ない境界を導出し、両方のフィードバックタイプを活用して学習効率を向上させるハイブリッド学習アルゴリズムであるAdaPortを提案する。 さらに、下界に漸近的に一致するインスタンス依存の後悔の上界を確立し、AdaPortが一貫して最先端のベースライン法より優れていることを示す実世界のトレース駆動シミュレーションを通して示す。

関連論文リスト

• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• Beyond Thumbs Up/Down: Untangling Challenges of Fine-Grained Feedback for Text-to-Image Generation [67.88747330066049]
  きめ細かいフィードバックは、画像の品質と迅速な調整におけるニュアンスドの区別を捉えます。 粗いフィードバックに対する優位性を示すことは、自動ではないことを示す。 きめ細かいフィードバックを抽出し活用する上で重要な課題を特定します。
  論文  参考訳（メタデータ） (2024-06-24T17:19:34Z)
• Boundary-semantic collaborative guidance network with dual-stream feedback mechanism for salient object detection in optical remote sensing imagery [22.21644705244091]
  二重ストリームフィードバック機構を備えた境界意味協調誘導ネットワーク(BSCGNet)を提案する。 BSCGNetは、近年提案されている17の最先端(SOTA)アプローチよりも優れた、挑戦的なシナリオにおいて、明確なアドバンテージを示している。
  論文  参考訳（メタデータ） (2023-03-06T03:36:06Z)

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。