6G 移动边缘计算网络中 AI 生成内容服务的卸载与质量控制
人工智能
2024-03-26 v2 网络与互联网体系结构
性能
摘要
AI 生成内容（AI-Generated Content, AIGC）作为在即将到来的互联网范式中提供元宇宙服务的一种新颖方式，能够解决沉浸感需求的障碍。同时，边缘计算作为通信系统中计算的一种演进范式，有效增强了实时交互服务。为提升 AIGC 服务的可及性，将 AIGC 模型（如扩散模型）部署到边缘服务器和本地设备已成为普遍趋势。然而，当任务卸载到本地设备时，这种方法面临电池寿命和计算资源的限制，制约了在满足严格延迟要求的同时向用户交付高质量内容的能力。因此，在边缘计算范式中，AIGC 模型的效用与卸载决策之间将存在权衡。本文针对扩散模型在逆向扩散阶段的卸载决策、计算时间和扩散步数，提出了一种联合优化算法。此外，我们采用平均误差作为评估生成结果质量的指标。实验结果最终表明，与基线方法相比，所提算法取得了更优的联合优化性能。
引用
@article{arxiv.2312.06203,
title = {Offloading and Quality Control for AI Generated Content Services in 6G Mobile Edge Computing Networks},
author = {Yitong Wang and Chang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2312.06203},
year = {2024}
}
备注
This paper appears in the 2024 IEEE 99th Vehicular Technology Conference (VTC)