[論文レビュー] Video Processing on the Edge for Multimedia IoT Systems

Yang Cao, Zeyu Xu+2 more|arXiv (Cornell University)|May 13, 2018

IoT and Edge/Fog Computing参考文献 14被引用数 5

ひとこと要約

本稿では、Dockerを用いた軽量仮想化を活用した軽量な仮想化ベースのエッジコンピューティングプラットフォームを提案し、スマートシティ、衛星ネットワーク、車両を含むスマートシティ、衛星ネットワーク、車両を含むマルチメディアIoT（M-IoT）システムにおける協調的ビデオ処理を実現する。ビデオタスクを近接するエッジノードにオフロードすることで、レイテンシを低減し、処理効率を向上させる。性能評価では、協調的処理が非協調的処理に比べて完了時間とリソース利用効率において顕著に優れていることが示されている。

ABSTRACT

In this article, we first survey the current situation of video processing on the edge for multimedia Internet-of-Things (M-IoT) systems in three typical scenarios, i.e., smart cities, satellite networks, and Internet-of-Vehicles. By summarizing a general model of the edge video processing, the importance of developing an edge computing platform is highlighted. Then, we give a method of implementing cooperative video processing on an edge computing platform based on light-weighted virtualization technologies. Performance evaluation is conducted and some insightful observations can be obtained. Moreover, we summarize challenges and opportunities of realizing effective edge video processing for M-IoT systems.

研究の動機と目的

• 長距離伝送による高レイテンシと、限られたローカル処理能力に起因するM-IoTシステムにおける高レイテンシなビデオ処理を是正すること。
• 異種のエッジノードを横断して協調的ビデオ処理をサポートする、柔軟で環境に適応したエッジコンピューティングプラットフォームの開発。
• 軽量仮想化を用いた協調的ビデオ処理のパフォーマンスを評価し、主要なシステム改善を同定すること。
• エッジベースのM-IoTビデオシステムにおけるリソーススケジューリング、管理、品質評価の課題を特定・分析すること。

提案手法

• 本稿では、Dockerベースの軽量仮想化を活用したエッジコンピューティングプラットフォームを設計し、エッジノード上でコンテナ化され、隔離されたビデオ処理タスクの実行を可能にする。
• ビデオサブタスク（例：特徴抽出、ROIスライシング、ビュー変換）がノードの能力に応じて複数のエッジノードに割り当てられる、分散型で協調的なタスクオフロードモデルを採用する。
• 計算負荷、ネットワークの近接性、リソースの可用性を考慮した環境に適応したスケジューリングメカニズムを用いて、タスクの割り当てを最適化する。
• パフォーマンス評価は、スマートシティにおける物体検出、衛星ネットワークにおけるターゲット追跡、車両におけるドライブアシストの3つのM-IoTシナリオにおいて、実世界のビデオワークロードを用いて実施する。
• 大規模で動的なエッジネットワークにおける管理オーバーヘッドの低減とスケーラビリティの向上を目的として、Named Data Networking（NDN）との統合を実施する。
• 入力ビデオの特徴と処理結果（例：検出精度）の相関を確立するためのディープラーニングベースの品質評価フレームワークを提案する。

実験結果

リサーチクエスチョン

• RQ1 M-IoTシステムにおける異種で分散化されたエッジノード間で、どのようにして効果的にエッジビデオ処理を調整できるか？
• RQ2 タスク完了時間とリソース利用効率の観点から、協調的処理が非協調的処理に比べてどの程度のパフォーマンス向上を達成できるか？
• RQ3 Dockerのような軽量仮想化技術を活用することで、M-IoTビデオワークロード向けにスケーラブルでポータブルなエッジコンピューティングプラットフォームをどのように構築できるか？
• RQ4 大規模で動的なエッジネットワークにおけるビデオ処理の通信、計算、ストレージリソースの管理における主な課題は何か？
• RQ5 人間の視聴のための品質評価だけでなく、下流処理の正確性（例：物体検出）を考慮したM-IoTシステムにおけるビデオ品質をどのように評価できるか？

主な発見

• 提案されたエッジプラットフォーム上での協調的ビデオ処理により、非協調的処理に比べてタスク完了時間が顕著に短縮され、並列で分散化された計算の利点が実証された。
• Dockerベースの軽量仮想化の活用により、能力が異なる多様なエッジデバイス間で、効率的でポータブルかつ隔離されたビデオ処理機能の実行が可能になった。
• パフォーマンス評価の結果、エッジベースの処理により、劣化を伴うビデオ圧縮の必要が回避され、特徴の忠実度が保たれ、下流タスクの正確性が向上した。
• NDNベースのネットワーキング統合により、ネットワーク内キャッシュとコンテンツ指向のリソース発見が可能になり、大規模なエッジネットワークにおける管理オーバーヘッドが低減した。
• ディープラーニングベースの品質評価モデルにより、入力ビデオの特徴と処理結果の相関が有効に確立され、期待される処理品質に基づいた知的なワークロード割り当てが可能になった。
• 本研究では、リソーススケジューリング、動的ワークロード配置、品質評価における主な課題が同定され、今後のM-IoTビデオシステム研究における未解決の課題として残っている。