활용 사례 연구
ResLearn-XR: Residual Learning for Network Traffic and Quality-of-Experience-Aware Modeling in Extended Reality
ARarXiv
연구진은 확장 현실(XR) 환경의 네트워크 트래픽을 예측하고 사용자 경험 품질(QoE) 위험도를 추정하는 잔차 학습 프레임워크인 ResLearn-XR를 개발했습니다.
세 줄 요약
- 이 모델은 트래픽 예측과 QoE 위험 추정을 두 단계로 나누어 처리하며, 급변하고 비정상적인 XR 환경 변화에 높은 적응성을 보입니다.
- 특히 암호화된 트래픽 분석을 위해 패킷 레벨 데이터를 프레임 타이밍 기반의 특징으로 변환하는 DDA 알고리즘을 적용한 것이 핵심 기술입니다.
- 자체 구축한 데이터셋을 바탕으로 기존 방식 대비 예측 및 위험 추정 성능(SMAPE)을 대폭 개선하며 실질적인 활용 가능성을 입증했습니다.
연구진은 확장 현실(XR) 환경의 네트워크 트래픽을 예측하고 사용자 경험 품질(QoE) 위험도를 추정하는 잔차 학습 프레임워크인 ResLearn-XR를 개발했습니다.