MEC 赋能无线虚拟现实（VR）网络的学习型预测、渲染与关联优化
信号处理
2020-05-19 v1
摘要
无线连接的虚拟现实（VR）随时随地地为 VR 用户提供沉浸式体验。然而，由于 VR 设备计算能力有限，且需满足高体验质量（QoE）与低 VR 交互延迟的要求，为无线 VR 用户提供无缝连接与实时高质量 VR 视频颇具挑战。为解决这些问题，我们提出一种 MEC 赋能的无线 VR 网络，其中每个 VR 用户的视场（FoV）可利用循环神经网络（RNN）实时预测，且 VR 内容的渲染从 VR 设备迁移至具备渲染模型迁移能力的 MEC 服务器。考虑到地理与 FoV 请求相关性，我们提出集中式与分布式解耦深度强化学习（DRL）策略，以在 VR 交互延迟约束下最大化 VR 用户的长期 QoE。仿真结果表明，与在 VR 设备端渲染相比，我们所提 MEC 渲染方案与 DRL 算法显著改善了 VR 用户的长期 QoE 并降低了 VR 交互延迟。
引用
@article{arxiv.2005.08332,
title = {Learning-based Prediction, Rendering and Association Optimization for MEC-enabled Wireless Virtual Reality (VR) Network},
author = {Xiaonan Liu and Yansha Deng},
journal= {arXiv preprint arXiv:2005.08332},
year = {2020}
}