Personalized Federated Learning for Cellular VR: Online Learning and Dynamic Caching

要約

ワイヤレス接続を通じて仮想現実 (VR) ユーザーに没入型エクスペリエンスを提供することで、いつでもどこからでも参加できる自由が得られます。
それにもかかわらず、VR ユーザーにリアルタイムで高品質のビデオを配信するシームレスなワイヤレス接続を確保することは困難です。
この論文では、モバイル エッジ コンピューティング (MEC) 対応ワイヤレス VR ネットワーク用の視野 (FoV) を意識したキャッシングを提案します。
特に、各 VR ユーザーの FoV は、各 BS に合わせたキャッシング戦略に基づいて基地局 (BS) でキャッシュ/プリフェッチされます。
具体的には、分散型およびパーソナライズされたフェデレーテッド ラーニング (DP-FL) ベースの保証付きのキャッシュ戦略が示されています。
複数の VR デバイスと BS で構成される VR システムを考慮すると、VR ユーザー向けにコンテンツ配信をパーソナライズするために、各 BS に DP-FL キャッシュ アルゴリズムが実装されます。
利用された DP-FL アルゴリズムは、条件付き平均キャッシュ ヒットに関するおそらくほぼ正しい (PAC) 境界を保証します。
さらに、勾配の通信コストを削減するために、確率的勾配降下法 (OBSGD) の 1 ビット量子化が提案されており、$\mathcal{O}(1/\sqrt{T})$ の収束保証が得られます。
提案されたアルゴリズム。$T$ は反復回数です。
さらに、ワイヤレス チャネルのダイナミクスをより適切に考慮するために、FoV は、要求している VR ユーザーの数に基づいてマルチキャスト グループまたはユニキャスト グループにグループ化されます。
提案された DP-FL アルゴリズムのパフォーマンスは、現実的な VR ヘッドトラッキング データセットを通じて検証され、提案されたアルゴリズムはベースライン アルゴリズムと比較して平均遅延とキャッシュ ヒットの点で優れたパフォーマンスを示すことが示されています。

要約(オリジナル)

Delivering an immersive experience to virtual reality (VR) users through wireless connectivity offers the freedom to engage from anywhere at any time. Nevertheless, it is challenging to ensure seamless wireless connectivity that delivers real-time and high-quality videos to the VR users. This paper proposes a field of view (FoV) aware caching for mobile edge computing (MEC)-enabled wireless VR network. In particular, the FoV of each VR user is cached/prefetched at the base stations (BSs) based on the caching strategies tailored to each BS. Specifically, decentralized and personalized federated learning (DP-FL) based caching strategies with guarantees are presented. Considering VR systems composed of multiple VR devices and BSs, a DP-FL caching algorithm is implemented at each BS to personalize content delivery for VR users. The utilized DP-FL algorithm guarantees a probably approximately correct (PAC) bound on the conditional average cache hit. Further, to reduce the cost of communicating gradients, one-bit quantization of the stochastic gradient descent (OBSGD) is proposed, and a convergence guarantee of $\mathcal{O}(1/\sqrt{T})$ is obtained for the proposed algorithm, where $T$ is the number of iterations. Additionally, to better account for the wireless channel dynamics, the FoVs are grouped into multicast or unicast groups based on the number of requesting VR users. The performance of the proposed DP-FL algorithm is validated through realistic VR head-tracking dataset, and the proposed algorithm is shown to have better performance in terms of average delay and cache hit as compared to baseline algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google