Scalable and Distributed Optimization of Shared 3D Object Quality for Large-Scale Hybrid-Metaverses
In Proc. of the 21st Annual IEEE International Conference on Sensing, Communication, and Networking (SECON 2024), pp. 1-9
DOI: 10.1109/SECON64284.2024.10934939
COVID-19の流行以降、遠隔交流のためのツールとしてメタバースに注目が集まっています。近年の3Dセンシング技術の発展により、現実の空間を常時3Dスキャンし、仮想空間で共有するという新たな遠隔交流システムが可能になりつつあります。我々は、このシステムを「ハイブリッドメタバース」と名付け、その実用化を目指す研究を行っています。
ハイブリッドメタバース実用化における最重要課題は、3D映像の通信量削減と映像品質維持の両立です。この実現のためには、データ容量を一定以下に抑える制約の下、映像品質を最適化する最適化問題を解く必要があります。最適化問題を定式化するためには、映像品質のモデリングが必要になりますが、映像品質は人間の主観であり単純な数式でのモデリングは難しく、ニューラルネットワークによるモデリングを行います。
ニューラルネットワークを活用した最適化により、複数のユーザが限られたネットワークリソースの下で3D映像品質を最適化するアルゴリズムを設計し、実装と性能評価を行っています。今後は、最適化手法を組み込んだハイブリッドメタバース全体の実装に取り組む予定です。
発表論文
- 丸山結, 天野辰哉, & 山口弘純. (2024). 実空間融合型メタバースにおける共有オブジェクト品質の分散型最適化手法. 研究報告コンピュータセキュリティ (CSEC), 2024(37), 1-8.