边缘赋能车辆元宇宙中的辐射场增量视频压缩
摘要
联网与自动驾驶车辆 (CAVs) 通过车辆到基础设施 (V2I) 通信将计算密集型任务卸载至多接入边缘计算 (MEC) 服务器，从而支持车辆元宇宙内的应用，该应用将物理环境转换为数字空间以实现高级分析或预测建模。核心挑战在于依赖 MEC 网络和超可靠低延迟通信 (URLLC) 通过数字孪生 (DTs) 进行物理到虚拟 (P2V) 的同步。为解决此问题，我们引入了辐射场 (RF) 增量视频压缩 (RFDVC)，该方法采用 RF 编码器和 RF 解码器架构，使用分布式 RF 作为 DT，以压缩形式存储真实感 3D 城市场景。该方法从相同的相机位姿中，分批提取 CAV 帧（捕获实际交通）与 RF 帧（捕获空场景）之间的差异，并在 MEC 网络上进行编码和传输。实验表明，在光照变化和降雨等不同条件下，相较于 H.264 编解码器数据节省量高达 71%，相较于 H.265 编解码器节省 44%。RFDVC 还展示了对传输错误的鲁棒性，在无雨条件下显著优于标准编解码器，相较于 H.264 编解码器结构相似性指数 (SSIM) 提升高达 +0.26；即使在充满挑战的降雨条件下仍保持 +0.18 的 SSIM 提升，两者均在 0.25 的块错误率 (BLER) 下测得。
引用
@article{arxiv.2411.11857,
title = {Radiance Field Delta Video Compression in Edge-Enabled Vehicular Metaverse},
author = {Matúš Dopiriak and Eugen Šlapak and Juraj Gazda and Devendra Singh Gurjar and Mohammad Abdullah Al Faruque and Marco Levorato},
journal= {arXiv preprint arXiv:2411.11857},
year = {2025}
}
备注
We modified abstract and conclusion due to modified Figs. 10 and 11, which show only BLER up to 0.3 (texts were modified for updated Figs. 10 and 11). The results remain the same as in the original paper. We just decided not to show BLER more than 0.3, because these cases are not likely to occur in the real simulation and therefore. We also added biographies of the authors at the end of the paper