[论文解读] Immersion on the Edge: A Cooperative Framework for Mobile Immersive Computing

Zeqi Lai, Yong Cui+2 more|arXiv (Cornell University)|Jul 12, 2018

Computer Graphics and Visualization Techniques参考文献 6被引用 4

一句话总结

本文提出 CoIC，一种协作框架，通过在移动边缘缓存并共享中间结果（如 DNN 特征和 3D 模型哈希值）来降低移动沉浸式计算的延迟。该框架利用 VR/AR 工作负载中的计算冗余，在真实网络条件下实现了高达 52.28% 的物体识别延迟降低和 75.86% 的 3D 渲染负载延迟降低。

ABSTRACT

Immersive computing (IC) technologies such as virtual reality and augmented reality are gaining tremendous popularity. In this poster, we present CoIC, a Cooperative framework for mobile Immersive Computing. The design of CoIC is based on a key insight that IC tasks among different applications or users might be similar or redundant. CoIC enhances the performance of mobile IC applications by caching and sharing computation-intensive IC results on the edge. Our preliminary evaluation results on an AR application show that CoIC can reduce the recognition and rendering latency by up to 52.28% and 75.86% respectively on current mobile devices.

研究动机与目标

• 应对移动设备上对低延迟、高质量沉浸式计算（IC）应用（如 VR 和 AR）日益增长的需求。
• 识别并利用在近距离用户和应用之间存在的 IC 工作负载中的计算冗余。
• 通过在移动边缘实施协作缓存，降低延迟，从而提升端到端用户体验质量（QoE）。
• 设计一种轻量级、可扩展的框架，实现实时重用中间 IC 结果，同时不损害准确性。

提出的方法

• 使用特征描述符（如 DNN 嵌入的特征向量或 3D 模型/全景图的哈希值）作为索引和匹配边缘缓存中中间 IC 结果的键。
• 实现两级请求流程：首先使用特征描述符检查边缘缓存；若未命中，则转发至云端，并缓存结果以供未来重用。
• 应用基于相似性的匹配方法（例如，L2 距离阈值判定）以确定新输入是否与缓存结果匹配，即使存在微小差异。
• 在搭载 Android O 的 Pixel 智能手机上部署客户端，边缘和云端模块运行在 Linux 机器上，客户端与边缘之间使用 802.11ac WiFi 通信。
• 使用 tc 工具模拟真实移动网络条件，实现对不同带宽下延迟的受控评估。
• 聚焦于识别和渲染任务的缓存，因物体跟踪计算成本较低且在移动设备上可行，故予以排除。

实验结果

研究问题

• RQ1 在移动沉浸式计算中，用户和应用之间的计算冗余在多大程度上可被利用以降低延迟？
• RQ2 边缘缓存中间 IC 结果（如 DNN 特征、3D 模型数据）在改善端到端延迟方面的效果如何？
• RQ3 网络变化性对协作缓存在移动 IC 系统中性能提升的影响是什么？
• RQ4 如何设计一种轻量级、可扩展的框架，以实现实时重用 IC 结果而不引入显著开销？

主要发现

• 当在用户之间检测到相似输入时，CoIC 通过重用缓存的 DNN 特征向量，将物体识别延迟最高降低 52.28%。
• 在 3D 模型渲染方面，CoIC 通过在边缘缓存预加载的模型数据，将加载延迟最高降低 75.86%。
• 该框架在多种网络条件下均表现出显著的性能提升，即使在带宽较低时，延迟降低效果依然稳定。
• 使用特征描述符匹配（如 L2 距离阈值判定）可实现对结果的准确且高效重用，即使输入存在变化。
• 该系统在真实世界部署中展现出强大潜力，因其在现实的移动和边缘网络约束下正常运行。
• 结果验证了假设：移动 IC 工作负载中的计算冗余既普遍存在，也可被有效利用以提升 QoE。