面向 AIGC 任务在远程操作中的分配——基于视觉语言模型的合同理论
计算机视觉与模式识别
2024-07-25 v1 人工智能
摘要
将低光图像增强技术集成到其中，扩散式 AI 生成内容 (AIGC) 模型在提升夜间远程操作方面具有前景。值得注意的是，AIGC 模型计算密集型，因而需要将 AIGC 任务分配给具有充足计算资源的边缘服务器。鉴于 AIGC 模型基于不同大小数据集训练所需的成本不同，且 AIGC 任务具有差异化的需求，必须制定差异化定价策略以优化远程操作员和边缘服务器的效用。然而，定价策略的制定存在信息不对称，即 AIGC 任务的需求（例如难度水平和分布）对边缘服务器而言是隐藏信息。此外，手动评估 AIGC 任务的难度对远程操作员来说既琐碎又多余。为此，我们构筑了一个由视觉语言模型 (VLM) 赋能的合同理论框架，用于辅助 AIGC 任务分配，其中包括两个组件：VLM 赋能的难度评估和合同理论辅助的 AIGC 任务分配。第一个组件实现了 AIGC 任务难度的自动准确评估。第二个组件能够在信息不对称下为边缘服务器制定定价策略，从而优化边缘服务器和远程操作员的效用。仿真结果表明，我们提出的框架能够将远程操作员和边缘服务器的平均效用提高 10.88~12.43% 和 1.4~2.17%。代码和数据已在 https://github.com/ZiJun0819/VLM-Contract-Theory 上提供。
引用
@article{arxiv.2407.17428,
title = {Vision Language Model-Empowered Contract Theory for AIGC Task Allocation in Teleoperation},
author = {Zijun Zhan and Yaxian Dong and Yuqing Hu and Shuai Li and Shaohua Cao and Zhu Han},
journal= {arXiv preprint arXiv:2407.17428},
year = {2024}
}
备注
11 pages, 10 figures