SliceVision-F2I：面向网络切片的合成特征到图像数据集
计算机视觉与模式识别
2025-11-04 v1 人工智能
机器学习
摘要
5G 和6G网络的出现使网络切片成为未来服务导向架构的重要组成部分，亟需由稳健数据集支撑的精细识别方法。本文介绍SliceVision-F2I，一套用于研究下一代网络系统中特征可视化的合成样本数据集。该数据集通过四种不同的编码方法将多变量关键性能指标（KPI）向量转化为视觉表征：物理启发的映射、Perlin 噪声、神经壁纸化和分形分支。针对每种编码方法，生成30,000个样本，每个样本包含原始KPI向量和对应分辨率较低的RGB图像。数据集模拟了真实且带噪声的网络条件，以反映操作中的不确定性和测量缺陷。SliceVision-F2I 适用于视觉学习、网络状态分类、异常检测以及评估基于图像的机器学习技术应用于网络数据等任务。该数据集公开可用，可在各种研究情境中重用，包括多变量时序分析、合成数据生成和特征到图像转换。
引用
@article{arxiv.2511.01087,
title = {SliceVision-F2I: A Synthetic Feature-to-Image Dataset for Visual Pattern Representation on Network Slices},
author = {Md. Abid Hasan Rafi and Mst. Fatematuj Johora and Pankaj Bhowmik},
journal= {arXiv preprint arXiv:2511.01087},
year = {2025}
}