Key points are not available for this paper at this time.
वर्चुअल रियलिटी (वीआर) अनुप्रयोगों में, 360-डिग्री चित्र उलझाने वाले अनुभवों को तैयार करने और पैनोरामिक दृश्य प्रदान करने में एक महत्वपूर्ण भूमिका निभाते हैं, जिससे उपयोगकर्ता के अनुभव की गुणवत्ता (क्यूओई) में सुधार होता है। हालांकि, 360-डिग्री चित्रों द्वारा उत्पन्न विशाल डेटा नेटवर्क स्टोरेज और बैंडविड्थ में चुनौतियाँ पेश करता है। इन चुनौतियों का समाधान करने के लिए, हम एक नवीन एक्टिवेशन मानचित्र-आधारित वेक्टर क्वांटाइजेशन (एएम-वीक्यू) ढांचे का प्रस्ताव देते हैं, जिसे वायरलेस ट्रांसमिशन के लिए संचार ओवरहेड को कम करने के लिए डिज़ाइन किया गया है। प्रस्तावित एएम-वीक्यू योजना गहरे न्यूरल नेटवर्क्स (डीएनएन) का उपयोग करते हुए सेमांटिक विशेषताओं को निकालने और संकुचित करने के लिए वेक्टर क्वांटाइजेशन (वीक्यू) का उपयोग करती है। विशेष रूप से, एएम-वीक्यू ढांचा सक्रियण मानचित्र का उपयोग करके सेमांटिक विशेषताओं को अनुकूलित रूप से क्वांटाइज करता है, जिससे क्वांटाइजेशन प्रक्रिया के कारण डेटा विकृति को कम किया जा सके। 360-डिग्री छवि की पुनर्निर्माण गुणवत्ता को और बेहतर बनाने के लिए, उत्पन्नकारी प्रतिकूल नेटवर्क (जीएएन) डिस्क्रिमिनेटर के साथ प्रतिकूल प्रशिक्षण शामिल किया गया है। संख्यात्मक परिणाम दिखाते हैं कि हमारी प्रस्तावित एएम-वीक्यू योजना मौजूदा गहरे शिक्षण (डीएल) आधारित कोडिंग और समान ट्रांसमिशन प्रतीकों के तहत पारंपरिक कोडिंग योजनाओं की तुलना में बेहतर प्रदर्शन हासिल करती है।
मा और अन्य (शुक्रवार,) ने इस प्रश्न का अध्ययन किया।