Mobile augmented reality (MAR) applications extended in the metaverse could provide mixed and immersive experiences by amalgamating the virtual and physical world. However, the joint consideration between MAR and metaverse seeks the reliable and high quality support for foreground interactions and background contents from these applications, which intensifies their consumption in energy, caching and computing resources. To tackle these challenges, a more flexible request assignment and resource allocation with more efficient processing are proposed in this paper through anchoring decomposed metaverse AR services at different edge nodes and proactively caching background metaverse region models embedded with target Augmented Reality Objects (AROs).Advanced terminals are also considered to further reduce service delay at an acceptable cost of energy consumption.We then propose and solve a joint optimization problem that explicitly considers the balance between service delay and energy consumption under the constraint of user perception quality in a mobility event.By also explicitly taking into account capabilities of user terminals, the proposed optimized scheme is compared to its terminal oblivious version in this paper. According to a wide set of numerical investigations, the proposed scheme owns advantages in service latency and energy efficiency over other nominal baseline schemes which neglect capacities of terminals, user physical mobility, service decomposition and the inherent multi modality of the metaverse MAR service.


翻译:为应对这些挑战,本文件提议通过在不同边缘节点固定分解的元反向AR服务,并通过将虚拟和物理世界合并起来,提供混合和沉浸的体验;然而,MAR和Deval之间的联合考虑,寻求为这些应用的地表互动和背景内容提供可靠和高质量的支持,以强化能源消耗、缓冲和计算资源;为应对这些挑战,本文件还提议通过在不同边缘节点固定分解的元反向AR服务以及积极主动地累积与目标增强现实物体(AROs)嵌入的本底反向区域模型,更灵活地分配和分配资源;此外,还考虑建立高级终端,以可接受的能源消耗成本进一步减少服务延迟。 我们然后提议和解决一个联合优化问题,明确考虑到服务延迟与能源消耗之间的平衡,在流动活动中,用户感知质量受到制约。 也明确考虑到用户终端的能力,拟议优化办法与本文件中的最后模糊版本相比较。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
31+阅读 · 2022年2月15日
VIP会员
相关资讯
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员