ITSVA: Toward 6G-Enabled Vision Analytics over Integrated Terrestrial-Satellite Network
Notice bibliographique
Résumé
The sixth-generation (6G) mobile communications system is expected to integrate the terrestrial and low Earth orbit satellite networks (LSN) to provide seamless global Internet service. This will create new opportunities for edge-assisted mobile vision analytics (MVA), which offloads frames over networks to edge servers for analysis, thereby overcoming the local computational resource constraints. With the integrated terrestrial and LSN (ITLSN), edge-assisted MVA can reach its full potential in remote and maritime areas. Nevertheless, the proximity of LEO satellites to the Earth is a double-edged sword. It offers benefits in latency and data rates but also brings challenges like frequent satellite handovers and volatile channel conditions. To demystify the in-the-wild performance of ITLSN, we carry out large-scale measurements with a major LSN service provider. The measurement results confirm the highly asymmetric and dynamic network performance of today's ITLSN, which can present non-trivial challenges for MVA frame offloading. We thus propose an ITLSN -adaptive MVA offloading framework, IT SVA, to address the inherent dynamics brought by network conditions, video content, and the offloading strategy. Extensive trace-driven simulation experiments are further conducted to verify the effectiveness of ITSVA.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,002 |
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 ».