Resumen

La transmisión en vivo de realidad virtual (VR) (también conocida como transmisión de video de 360 grados) se ha vuelto cada vez más popular debido al rápido crecimiento de los visores montados en la cabeza y la implementación de redes 5G. Sin embargo, el gran ancho de banda y la energía requerida para entregar fotogramas de VR en vivo en la red de sensores de video inalámbrica (WVSN) se convierten en cuellos de botella, lo que hace imposible que la aplicación se despliegue de manera más amplia. Para resolver los desafíos de ancho de banda y energía, se ha propuesto la predicción del viewport de video de VR como una solución factible. Sin embargo, los trabajos existentes se centran principalmente en el uso del ancho de banda y la precisión de la predicción, y pasan por alto el consumo de recursos del servidor. En este estudio, proponemos un método de predicción de viewport basado en una red neuronal ligera para la transmisión en vivo de VR en WVSN para superar estos problemas. En particular, (1) utilizamos una red ligera de canal comprimido (C-GhostNet) para reducir los parámetros de todo el modelo y (2) utilizamos un módulo de unidad recurrente de puerta mejorado (GRU-ECA) y C-GhostNet para procesar los datos de video y los datos de movimiento de la cabeza por separado para mejorar la precisión de la predicción. Para evaluar el rendimiento de nuestro método, realizamos experimentos extensos utilizando un conjunto de datos de usuario de VR abierto. Los resultados de los experimentos demuestran que nuestro método logra un ahorro significativo de recursos del servidor, un rendimiento en tiempo real y una alta precisión de predicción, al tiempo que logra un bajo uso de ancho de banda y baja consumo de energía en WVSN, lo que cumple con los requisitos de la transmisión en vivo de VR.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Realidad virtual; Streaming; Vídeo de 360 grados; WVSN; Red neuronal; Predicción
• Keywords:Virtual reality; Streaming; 360-degree video; WVSN; Neural network; Prediction