Yoga Suhas Kuruba Manjunath

新框架预测XR网络流量和感知质量风险

研究人员开发了ResLearn-XR，一个新颖的残差学习框架，用于预测扩展现实（XR）环境中的网络流量并评估感知质量（QoE）风险。这个两阶段的时间学习结构增强了对XR流量动态特性的适应性。该框架包括一个用于分析加密流量的数据描述符算法（DDA）和一个新的XR流量-QoE数据集。实验表明，与现有方法相比，ResLearn-XR显著降低了流量指标和QoE风险的预测误差。