Jul, 2022

探索面向注意力的网络资源配置用于定制的元宇宙服务

PDF
TL;DR设计了一种基于用户兴趣的网络资源分配方案，以提高用户体验质量，并提出了关于 Metaverse 服务的有前途的研究方向。
metaversenetwork resource allocationqoeattention predictionvirtual objects
发现论文，激发创造
  • 面向元宇宙 xURLLC 服务的注意力感知资源分配与 QoE 分析

    通过发展 xURLLC 并采用个性化的资源分配方案，Metaverse 服务提供者（MSP）可以更好地满足 Metaverse 用户的体验质量（QoE），我们提出了基于元沉浸度的 QoE 度量方法和关注力感知渲染能力分配方案，可以实现平均 20.1％的 QoE 提高。

    Aug, 2022

  • 边缘智能启用元宇宙的统一资源分配框架

    本篇论文介绍了如何在元宇宙中进行虚拟教育，并针对不断变化的用户需求问题提出了基于随机整数规划的最优资源分配方案（SORAS），以最小化虚拟服务提供商的成本，并考虑用户需求的不确定性。实验结果表明，SORAS 可以有效最小化成本。

    Oct, 2021

  • 基于深度强化学习的 6G 无线通信下移动边缘计算与 AI 启用的 Web3 Metaverse

    该研究提出了一种全新的质量服务（Quality-of-Service）模型，利用深度强化学习方法来找到多用户社交中接近最优的信道资源分配。全面的实验证明采用该质量服务模型可以提升整体社交体验。

    Dec, 2023

  • 深度强化注意力学习用于品质感知视觉识别

    通过在任何卷积神经网络的弱监督生成中间注意力图的机制上进行改进，揭示了注意力模块的有效性，提出了一种元质疑网络，并结合强化学习的方法进行优化，从而提高了注意力模块的表达能力，并在分类和实例识别基准测试上进行了广泛的实验验证。

    Jul, 2020

  • 无偏置定向对象关注图用于对象导航

    本研究提出了一种有向对象注意力图来指导智能体在显式学习对象之间的注意力关系，从而减少对象注意力偏差，并利用该方法在 AI2-Thor 数据集上进行评估，相较于最先进的方法，本方法成功率、路径长度加权成功率和行动效率加权成功率分别增加了 7.4％，8.1％和 17.6％。

    Apr, 2022

  • 基于注意力机制的实时无人机语义通信强化学习

    本文研究了移动地面用户的空地超可靠低延迟通信问题，提出了一种名为 GAXNet 的多智能体深度强化学习框架，通过避免无人机之间的碰撞来控制多个无人机，从而实现低误差率和低延迟。

    May, 2021

  • 利用异步混合强化学习在无线通信下的元宇宙延迟和可靠性优化

    文章提出在 Metaverse 中异步联合上下行场景中，设计了一个新型的多智能体强化学习算法结构来优化计算卸载和通道分配决策，以及优化下行阶段的传输功率，实验结果表明该算法相较于现有算法能够在满意的训练时间内获得更好的解决方案。

    Dec, 2022

  • 用于视觉问答的高阶注意力模型

    本文提出了一种新颖且通用的注意力机制，可以学习不同数据模态之间的高阶相关性。 作者实验证明高阶相关性可以将适当的关注点引导到不同数据模态中的相关元素，来更好地解决联合任务，如视觉问答（VQA），在 VQA 标准数据集上实现了最先进的性能。

    Nov, 2017

  • 探究视觉问答中人类注意力监督

    本研究主要针对如何将注意力监督应用于基于 Attention 机制的视觉问答任务中，提出人类注意力网络（HAN）来生成类似于人类的注意力图，并将其应用于 VQA v2.0 数据集中。实验结果表明，该方法能够产生更准确的注意力机制和更好的性能。

    Sep, 2017

  • 优化查询以改善对象中心学习

    本论文提出了一种新方法 Bi-level Optimized Query Slot Attention，利用可学习的查询初始化 Slot-Attention，配合双层优化方法，实现了在无监督图像分割和重构中最先进的结果，并展示了其在概念绑定和零样本学习中的巨大潜力。

    Oct, 2022