基于自适应关键帧提取的因果感知VR交互QoE优化
机器学习
2025-06-26 v1 人工智能
摘要
多用户虚拟现实（VR）交互的质量体验（QoE）优化需要在超低延迟、高保真运动同步和公平资源分配之间进行精细的平衡。虽然自适应关键帧提取有助于减轻传输开销，但现有方法往往忽视了分配带宽、CPU频率与用户感知之间因果关系，限制了QoE的提升。本文提出一种智能框架，通过将自适应关键帧提取与因果感知强化学习（RL）集成来最大化QoE。首先，依据韦伯-费舍尔定律构建了新的QoE指标，结合感知灵敏度、注意力驱动的优先级和运动重建精度。随后，将QoE优化问题建模为混合整数规划（MIP）任务，联合优化关键帧比例、带宽和计算资源，受限于时域公平性约束。我们提出的部分状态因果深度确定性策略梯度（PS-CDDPG）方法集成了深度确定性策略梯度（DDPG），并引入因果影响检测。通过利用QoE受影响及其决定因素的因果信息，我们探索基于从因果推断中计算的权重指导的动作，从而提高训练效率。在CMU Motion Capture Database上的实验表明，该框架显著降低了交互延迟，提升了QoE，同时保持公平性，相较于基准方法取得优异性能。
引用
@article{arxiv.2506.19890,
title = {Causal-Aware Intelligent QoE Optimization for VR Interaction with Adaptive Keyframe Extraction},
author = {Ziru Zhang and Jiadong Yu and Danny H. K. Tsang},
journal= {arXiv preprint arXiv:2506.19890},
year = {2025}
}