Attention-aware Resource Allocation and QoE Analysis for Metaverse xURLLC Services

要約

Metaverse は、新しい主要業績評価指標 (KPI) をもたらしながら、次世代インターネットに対する私たちの期待を凝縮しています。
従来の超高信頼・低遅延通信（URLLC）では客観的なKPIは満たせますが、メタバースの特徴であるパー​​ソナライズされた没入体験を提供することは困難です。
エクスペリエンスの品質 (QoE) は包括的な KPI と見なすことができるため、URLLC は、より高い QoE を達成するためにパーソナライズされたリソース割り当てスキームを備えた次世代 URLLC (xURLLC) に向けて進化しています。
Metaverse xURLLC サービスを展開するために、メタバース サービス プロバイダー (MSP) とネットワーク インフラストラクチャ プロバイダー (InP) の間の相互作用を研究し、最適な契約設計フレームワークを提供します。
具体的には、InP のインセンティブを確保しながら、メタバース ユーザーの QoE の関数として定義される MSP の効用を最大化する必要があります。
QoE を数学的にモデル化するために、客観的な KPI とメタバース ユーザーの主観的な感情の両方を組み込んだ Meta-Immersion という新しい指標を提案します。
さらに、xURLLC の QoE を向上させるために、注意を意識したレンダリング容量割り当てスキームを開発します。
ユーザーオブジェクト注意レベルのデータセットを使用して、xURLLC が均一なリソース割り当てスキームを使用した従来の URLLC と比較して、平均 20.1% の QoE 向上を達成できることを検証します。
この論文のコードは https://github.com/HongyangDu/AttendanceQoE で入手できます。

要約(オリジナル)

Metaverse encapsulates our expectations of the next-generation Internet, while bringing new key performance indicators (KPIs). Although conventional ultra-reliable and low-latency communications (URLLC) can satisfy objective KPIs, it is difficult to provide a personalized immersive experience that is a distinctive feature of the Metaverse. Since the quality of experience (QoE) can be regarded as a comprehensive KPI, the URLLC is evolved towards the next generation URLLC (xURLLC) with a personalized resource allocation scheme to achieve higher QoE. To deploy Metaverse xURLLC services, we study the interaction between the Metaverse service provider (MSP) and the network infrastructure provider (InP), and provide an optimal contract design framework. Specifically, the utility of the MSP, defined as a function of Metaverse users’ QoE, is to be maximized, while ensuring the incentives of the InP. To model the QoE mathematically, we propose a novel metric named Meta-Immersion that incorporates both the objective KPIs and subjective feelings of Metaverse users. Furthermore, we develop an attention-aware rendering capacity allocation scheme to improve QoE in xURLLC. Using a user-object-attention level dataset, we validate that the xURLLC can achieve an average of 20.1% QoE improvement compared to the conventional URLLC with a uniform resource allocation scheme. The code for this paper is available at https://github.com/HongyangDu/AttentionQoE

arxiv情報

提供元, 利用サービス

arxiv.jp, Google