元宇宙中联邦学习辅助移动增强现实系统的资源分配
社会与信息网络
2023-03-13 v2
摘要
元宇宙近来已成为一个热词。移动增强现实（MAR）是在元宇宙中为用户提供沉浸式体验的一种有前景的方法。然而，由于带宽、延迟和计算资源的限制，MAR 尚无法在元宇宙中大规模应用。此外，联邦学习凭借其隐私保护特性，已成为未来元宇宙世界中一种有前景的分布式学习框架。在本文中，我们提出了一种通过非正交多址接入为元宇宙服务的联邦学习辅助 MAR 系统。此外，为优化能量、延迟和模型精度的加权和，通过为每个用户设置适当的传输功率、CPU 频率和视频帧分辨率，设计了一种资源分配算法。实验结果表明，与随机算法和贪婪算法相比，我们提出的算法实现了整体良好的性能。
引用
@article{arxiv.2301.12085,
title = {Resource Allocation of Federated Learning Assisted Mobile Augmented Reality System in the Metaverse},
author = {Xinyu Zhou and Yang Li and Jun Zhao},
journal= {arXiv preprint arXiv:2301.12085},
year = {2023}
}
备注
This paper appears in the Proceedings of IEEE International Conference on Communications (ICC) 2023. Please feel free to contact us for questions or remarks