Моделирование приложений виртуальной реальности

Данное научное направление посвящено решению критически важной задачи обеспечения высокого качества обслуживания при использовании технологий виртуальной реальности (VR), которые призваны трансформировать многие аспекты повседневной жизни: от иммерсивного гейминга и образования до профессиональной подготовки и социальных взаимодействий в развивающихся метавселенных.

Поскольку приложения виртуальной реальности требуют все более высоких разрешений и частоты кадров, необходимая вычислительная мощность все чаще переносится с самих VR-шлемов на удаленные облачные серверы — такая парадигма называется облачным VR (Cloud VR). Однако такой подход создает колоссальную нагрузку на беспроводные сети, требуя доставки высокобитрейтных видеопотоков в режиме реального времени с минимальными задержками. В этом контексте точное моделирование VR-трафика при моделировании сетевых протоколов является фундаментальной необходимостью. Это краеугольный камень для разработки эффективных сетевых протоколов, создания надежных механизмов обеспечения качества обслуживания (QoS) и, в конечном итоге, для гарантии бесшовного и иммерсивного пользовательского опыта в реальных условиях эксплуатации.

В нашем исследовании мы изучили характеристики трафика и требования к качеству обслуживания (QoS) для приложений облачной виртуальной реальности на основе реальных измерений, проведенных с использованием VR-шлема Pico Neo 2. Мы разработали новую и точную модель приложения VR, учитывающую стереоскопические видеопотоки, вариативность интервалов между кадрами и реалистичные корреляции размеров кадров, полученные из трассировок энкодера. Наш анализ показал, что базовая модель VR-трафика 3GPP занижает необходимую эффективную пропускную способность для облачного VR на 25%, в то время как наша модель обеспечивает гораздо более точную оценку. Мы продемонстрировали, что применение intra-refresh видеокодирования снижает соотношение пикового размера кадра к среднему, уменьшая эффективный битрейт на 30% и улучшая визуальное качество изображения почти на 2 дБ в метрике PSNR. Кроме того, мы определили, что размер буфера в три кадра оптимально балансирует между задержкой и потерей кадров как в сетях 5G, так и в Wi-Fi. Наконец, мы улучшили алгоритм адаптации битрейта EVeREst-Intra, который динамически подстраивает качество видео под меняющиеся сетевые условия, превосходя существующие решения по емкости сети. Это исследование предоставляет важнейшие знания для точного моделирования VR-трафика и разработки эффективных стратегий оптимизации QoS для беспроводных сетей следующего поколения.

Список актуальных публикаций: