面向带重定向行走的完全沉浸式多用户虚拟现实的可预测上下文感知
网络与互联网体系结构
2023-05-30 v4 机器学习
摘要
虚拟现实(VR)技术的发展聚焦于提升其沉浸感、支持多用户虚拟体验(VEs)，并通过重定向行走(RDW)使用户在其VEs内自由移动的同时受限于专用VR装置。为满足其极致数据速率与延迟需求，未来VR系统将需要支持工作于毫米波(mmWave)频段的无线网络基础设施，利用发射与接收两端通过波束成形与波束导向的高度定向通信。我们提出使用可预测上下文感知来优化发射端与接收端波束成形与波束导向。通过预测多用户VR装置中带重定向行走(RDW)的用户的短期横向运动，发射端波束成形与波束导向可经由用户方向上的视距(LoS)“跟踪”得以优化。同时，短期取向运动的预测可用于接收端波束成形以增强覆盖灵活性。我们针对预测这两类上下文信息实例中的两个开放问题：i)预测带RDW的多用户VR设置中的横向运动，ii)生成用于训练取向运动预测器的合成头部旋转数据集。实验结果表明，长短期记忆(LSTM)网络在预测横向运动方面具有可观精度，且源自VEs的上下文感知进一步提升了该精度。此外，我们展示基于TimeGAN的取向数据生成方法可创建与实验所得样本高度匹配的合成样本。
引用
@article{arxiv.2303.17907,
title = {Predictive Context-Awareness for Full-Immersive Multiuser Virtual Reality with Redirected Walking},
author = {Filip Lemic and Jakob Struye and Thomas Van Onsem and Jeroen Famaey and Xavier Costa Perez},
journal= {arXiv preprint arXiv:2303.17907},
year = {2023}
}
备注
7 pages, 6 figures