面向通信延迟不确定性分布式多模态系统的实时推理
机器学习
2025-11-21 v1
摘要
连接的网络-物理系统基于来自多个数据流的实时输入进行推理。跨数据流的不可确定通信延迟挑战了推理过程的时序性。现有最先进 (SotA) 非阻塞推理方法依赖参考模态范式，要求一种模态输入完全接收后才能处理，同时依赖昂贵的离线轮廓分析。我们提出一种新颖的、类神经的非阻塞推理范式，主要运用自适应时间积分窗口 (TWIs) 以动态方式应对异构数据流之间的随机延迟模式，同时放宽对参考模态的依赖。我们的通信延迟感知框架实现了鲁棒的实时推理，提供对准确性-延迟权衡的更细粒度的控制。在音频-视觉事件局部化 (AVEL) 任务上的实验表明，与 SotA 方法相比，我们的方法在网络动态性适应性方面表现卓越。
引用
@article{arxiv.2511.16225,
title = {Real-Time Inference for Distributed Multimodal Systems under Communication Delay Uncertainty},
author = {Victor Croisfelt and João Henrique Inacio de Souza and Shashi Raj Pandey and Beatriz Soret and Petar Popovski},
journal= {arXiv preprint arXiv:2511.16225},
year = {2025}
}
备注
6 pages, 3 figures, submitted to IEEE ICC 2026