A performance evaluation of mobility management and multihop supplying partner strategies for 3D streaming systems over thin mobile devices
Notice bibliographique
Résumé
Summary The recent advances in technology and mobile computing led to the rapid growth of networked 3D streaming applications. The emerging services can involve augmented reality, virtual environment walkthrough, multiplayer gaming just to mention a few. Because of the limited network bandwidth of the client‐server approach, research works are now turning toward mobile ad hoc networks‐based streaming, where the resources of each peer are used during the streaming service. Peer‐to‐peer technologies are considering the solution to adapt for scalable applications. Yet, supplying partner selection and 3D data delivery are still significant challenges to face because of the dynamic wireless environment that causes link breakages, high packet loss, an adverse impact on the quality of the 3D media, and a low user satisfaction. In this paper, we propose a supplying partner selection technique coupled with a content delivery technique for peer‐to‐peer 3D streaming over thin mobile devices. Our proposed protocol, which we refer to as MULTIPLY, considers multihop suppliers in order to alleviate the load on the server and uses the signal strength measurement to analyze the wireless link when sending back the 3D data. Given the high dynamicity of the network due to the mobility of the users, the streaming can be greatly affected. We therefore study the impact of the mobility on MULTIPLY. The performance evaluation of our protocol obtained using an extensive set of simulation experiments is then reported. Copyright © 2013 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».