面向网络边缘的及时视频分析服务
分布式、并行与集群计算
2024-06-24 v1 网络与互联网体系结构
摘要
实时视频分析服务旨在及时为用户提供准确的识别结果。然而，现有研究通常陷入在降低延迟和提高准确率之间的困境。边缘计算场景施加了严格的传输和计算资源限制，在动态网络条件下平衡这些冲突的指标具有挑战性。为此，我们引入了处理信息年龄 (AoPI) 的概念，该概念量化了自最新准确识别帧生成以来已经过去的时间。AoPI 描绘了识别准确率、传输和计算效率的综合影响。我们关于在抢占和非抢占计算调度策略下相对于传输/计算速率和视频帧识别准确率的 AoPI 的闭式表达式。我们随后研究了边缘服务器选择、视频配置适应以及带宽/计算资源分配的联合问题，以最小化所有摄像机的长期平均 AoPI。我们提出一种在线方法，即基于 Lyapunov 的块坐标下降 (LBCD)，来解决该问题，该方法将原始问题解耦为两个子问题，分别优化视频配置/资源分配和边缘服务器选择策略。我们证明 LBCD 实现了渐进最优性能。根据测试台实验和仿真结果，LBCD 将平均 AoPI 降低了最高可达 10.94 倍。
关键词
引用
@article{arxiv.2406.14820,
title = {Towards Timely Video Analytics Services at the Network Edge},
author = {Xishuo Li and Shan Zhang and Yuejiao Huang and Xiao Ma and Zhiyuan Wang and Hongbin Luo},
journal= {arXiv preprint arXiv:2406.14820},
year = {2024}
}