基于扩散的强化学习用于边缘赋能的AI生成内容服务
网络与互联网体系结构
2023-11-22 v3
摘要
随着元宇宙（Metaverse）作为下一代互联网范式出现，高效生成内容的能力至关重要。AI生成内容（AIGC）成为一种关键解决方案，但大型生成式人工智能（GAI）模型资源密集的特性带来了挑战。为解决此问题，我们引入 AIGC 即服务（AaaS）架构，将 AIGC 模型部署在无线边缘网络中，以确保元宇宙用户广泛可访问 AIGC 服务。然而，提供个性化用户体验的一个重要方面是需要仔细选择能够有效执行用户任务的 AIGC 服务提供商（ASP），而环境的不确定性与多变性使这一问题复杂化。针对当前研究的这一空白，我们提出 AI 生成最优决策（AGOD）算法，一种基于扩散模型的方法来生成最优 ASP 选择决策。将 AGOD 与深度强化学习（DRL）结合，我们开发了深度扩散软演员-评论家（D2SAC）算法，提升了 ASP 选择的效率与效果。我们全面的实验表明 D2SAC 优于七种领先的 DRL 算法。此外，所提出的 AGOD 算法有潜力扩展至无线网络中的各类优化问题，使其成为 AIGC 驱动服务未来研究的一种有前景的方法。我们提出方法的实现位于：https://github.com/Lizonghang/AGOD。
引用
@article{arxiv.2303.13052,
title = {Diffusion-based Reinforcement Learning for Edge-enabled AI-Generated Content Services},
author = {Hongyang Du and Zonghang Li and Dusit Niyato and Jiawen Kang and Zehui Xiong and Huawei Huang and Shiwen Mao},
journal= {arXiv preprint arXiv:2303.13052},
year = {2023}
}