MétaCan
Menu
Retour à la cohorte
Enregistrement W4400410428 · doi:10.1109/wowmom60985.2024.00029

A hybrid NFV/In-Network Computing MANO Architecture for provisioning Holographic Applications in the Metaverse

2024· article· en· W4400410428 sur OpenAlexaff
Farzaneh Ghasemi Javid, Mouhamad Dieye, Felipe Estrada‐Solano, Roch Glitho, Halima Elbiaze, Wessam Ajib

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProvisioningArchitectureHolographyMetaverseComputer networkComputer architectureDistributed computingVirtual realityHuman–computer interactionPhysics

Résumé

récupéré en direct d'OpenAlex

Innovative holographic applications such as holographic concerts have recently emerged. They are expected to play an important role in the Metaverse. Hybrid Network Function Virtualization (NFV) / IN-Network Computing (INC) network infrastructures are needed to provision them as recently shown in the literature. INC is an emerging technology that aims to distribute the computational workload across the network by placing computational tasks on programmable devices (e.g., routers or switches). However, the integration of INC in existing infrastructures does face significant management and orchestration challenges. Although the ETSI Management and Orchestration (MANO) architectural framework designed for 5G facilitates application provisioning in networks that are NFV enabled, it lacks support for networks that are INC enabled. Therefore it is necessary to have a new MANO architecture in order to provision applications which have both NFV and INC components. This paper proposes a hybrid NFV-INC MANO architecture for provisioning holographic applications in hybrid NFV/INC environment. The proposed architecture is an extension of the ETSI NFV MANO. It will certainlyplay an important role in 6G since many applications foreseen for 6G will have the same stringent requirements as holographic applications. It is evaluated through a proof of concept prototype. The following tools were used for the prototype: Open Source MANO (OSM) and Mininet emulator.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,262
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT and Edge/Fog ComputingTravaux en français237 207