CN109617960A - 一种基于属性化分离的web AR数据呈现方法 - Google Patents
一种基于属性化分离的web AR数据呈现方法 Download PDFInfo
- Publication number
- CN109617960A CN109617960A CN201811505132.4A CN201811505132A CN109617960A CN 109617960 A CN109617960 A CN 109617960A CN 201811505132 A CN201811505132 A CN 201811505132A CN 109617960 A CN109617960 A CN 109617960A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- client
- request
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000000926 separation method Methods 0.000 title claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 230000004044 response Effects 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims abstract description 21
- 230000003190 augmentative effect Effects 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000012821 model calculation Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000013499 data model Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于属性化分离的web AR数据呈现方法，属于计算机算法处理技术领域，包括以下步骤：S10，通过将模型与动作数据在服务器端进行分别的存储管理，在客户端发送请求；S20，移动边缘计算端对于请求进行解析，并向云端进行数据请求，获取响应资源;S30，在移动边缘计算端进行数据计算，将计算结果数据返回给客户端，实现动态模型的载入功能。该方法通过采用web增强现实在模型上的调取、渲染计算，给予接口模式的web增强现实模型服务方式，改进移动边缘计算的接口化运算等的技术，减轻云端计算压力、提高性能。
Description
技术领域
本发明属于计算机算法处理技术领域，具体地说，涉及一种基于属性化分离的webAR数据呈现方法。
背景技术
就目前所知，随着Internet技术的飞速发展，分布式计算研究热点从分布式操作系统为中心的传统模式转换到以网络计算平台的为中心的使用分布式技术。在过去的20年间也涌现出了大量的分布式计算技术，如中间技术、移动Agent技术、P2P技术以及最新的Web Service技术。但是，现有的分布式技术都存在着一些没有解决的问题，导致影响了分布式技术的使用和普及。比如目前的协同计算方式，在发送请求的过程中，模型数据是重新从移动边缘服务器发送给客户端，客户端将会重新载入模型，在流量上具有一定的消耗，以及在客户端需要重新载入所需要的模型，该采用如何的方式进行更合适的处理。
发明内容
本发明的目的在于克服现有技术中存在的缺陷，提出了一种基于属性化分离的web AR数据呈现方法。该方法通过采用web增强现实在模型上的调取、渲染计算，给予接口模式的web增强现实模型服务方式，改进移动边缘计算的接口化运算等的技术，减轻云端计算压力、提高性能。
其技术方案如下：
一种基于属性化分离的web AR数据呈现方法，包括以下步骤：
S10，将模型与动作数据在服务器端进行分别的存储管理；首先将模型数据转化为对象数据，在转化应用中，需要根据对于模型中的各个键值的定义，将模型数据转化为属性对象的结合，存储在服务器端。
S20在客户端发送请求；客户端在向服务器端进行页面请求的时候，首先通过http协议，向附近的移动边缘服务器发送相关请求。
S30，移动边缘计算端对于请求进行解析；根据业务需求，首先存储业务所需要的静态模型，同时在数据库中存储模型的动作数据，在对于存储模型动作数据的同时，对于模型动作进行语义化的描述，在客户端发送交互请求的同时，对于客户端的交互请求进行解析，在语义化描述库中进行查询比对，获取匹配的动作，发送到移动边缘服务器。
S40，向云端进行数据请求，获取响应资源；如果模型数据已经预先进行路由，等向云端服务器请求动作数据，等待响应后进行模型运算，如果未进行内容路由，则向云端请求模型以及动作数据，进行模型运算。
S50，在移动边缘计算端进行数据计算；移动边缘服务器在接收到云计算端传递的模型、动作方法；通过模型内部的数据结构，以程序的方式对于所接收的模型以及动作数据进行复合运算，以数据格式向服务器返回模型响应数据。
S60，将计算结果数据返回给客户端，实现动态模型的载入功能。
进一步的，所述方法中，在步骤S20中所述的移动边缘计算端对于请求进行解析的具体步骤为：
客户端以http协议向服务器发送请求之后，浏览器将会监听服务端返回的请求信息；当获取请求信息之后，首先判定返回信息的状态码，当状态码为200时，将会抓取请求的json格式数据，并将数据存储于浏览器的内存中。
进一步的，在所述方法中，在步骤S30中所述的移动边缘计算端对于请求进行解析的具体步骤为：
将客户端与模型加载运算相关的参数构建一个多维参数模型，携带表征客户端的运算能力、网络带宽以及交互展示界面等方面参数，以物理参数模型向服务端进行请求，服务端将会对于客户端的物理参数进行分析，并运算出适合于客户端的模型返回客户端进行加载和渲染运算，将会大大的提高客户端的运行效率。
进一步的，所述方法中，在步骤S50的在移动边缘计算端进行数据计算的具体步骤为：
S501，首先，服务端接收客户端的多维度数据模型，进行模型数据解析，获取与客户端当前运行状态相关的物理参数，传递给模型适配模块，模型适配模块对于客户端的物理参数进行解析，传递模型输出权值给模型生成模块；模型生成模块将会根据权值进行模型数据生成处理，并将处理结果以接口的形式返回给客户端，进行渲染计算。
进一步的，所述方法中，在步骤S50的在移动边缘计算端进行数据计算的具体步骤为：
S502，在5g应用场景下移动边缘计算，相对于传统的以中心化、大型化为核心的云计算比起来，更加适应于移动增强现实的计算响应模式。移动边缘计算，将运算从传统的云计算中心服务器集群转换到了离移动端更近的边缘，在网络流转上，避免了从云计算中心到网络边缘所占用的网络资源和所消耗的传输时间，同时，将大部分的运算量从中心服务器转换到了移动网络边缘，将会在一定程度上提高了web增强现实的运算能力。同时通过云计算以及移动边缘计算进行协同运算的模式，减轻移动端的GPU运算缓存压力，实现对于复杂交互模型的运算能力。基于移动边缘计算的接口化运算架构方式上，将会以传统的中心服务器集群作为客户端业务请求响应的功能中心，以移动边缘服务器作为模型运算的服务中心；首先客户端在相应的业务环境下，向服务端发送携带客户端的物理参数的运算请求，云计算中心将会对于客户端的运算请求进行解析，获取客户端的物理环境模型，并发挥云计算的高并发数据优势，计算客户端请求模型的权值，通过网络路由到与客户端最近的移动边缘服务器进行相应的模型请求计算；同时服务器端还需要根据用户的业务请求，进行响应的逻辑响应，并将响应的结果通过返回到客户端，实现相应的业务场景构建。
进一步的，所述方法中，在步骤S50的在移动边缘计算端进行数据计算的具体步骤为：
S503，模型计算模块根据接收到的权值，对于模型数据的贴图以及三维成像数据进行进一步的抽样和压缩，以快速计算的方法将所生成的新模型通过接口的形式返回给客户端，实现响应的业务。关于对于模型的抽样和压缩计算上，在边缘服务器的实现上，采用基于机器学习的计算方法，对于模型压缩数据首先进行一定的预处理，将模型数据首先进行预处理，同时根据模型请求的数据概率，将高请求率的模型进行云计算和存储等操作，这样可以使模型在请求过程中进行快速的模型数据响应，匹配客户端的物理和网络情况。
本发明的有益效果为：
1.在增强现实的应用场景下，对于模型的运算量和容量等方面进行严格限制，并且以物理参数模型向服务端发送请求，会大大的提高客户端的运行效率。
2.基于接口模式的web增强现实模型服务方式，相对于传统的以文件形式提供服务的方式，在服务上将会更加的灵活。
3.基于移动边缘计算的借口话运算的改进，会更加适应于增强现实的计算响应模式，减轻移动端的GPU运算缓存压力，实现相对复杂的交互模型运算。
4. 以移动边缘计算的方式，将模型响应计算方式从云端下降到与客户端更近的移动边缘端，减轻了云端的计算压力。
5. 以单动作的响应模式，在一定的程度上能够减轻客户端的缓存运算压力；特别是面向于复杂业务场景的多动作交互方式，将会在性能上具有明显的提高。
附图说明
图1是发明基于属性化分离的web AR数据呈现方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步详细地说明。
参照图1，一种基于属性化分离的web AR数据呈现方法，其包括以下步骤：
S10，将模型与动作数据在服务器端进行分别的存储管理；首先将模型数据转化为对象数据，在转化应用中，需要根据对于模型中的各个键值的定义，将模型数据转化为属性对象的结合，存储在服务器端。
在具体应用实例中，将模型与动作数据在服务器端进行分别的存储管理的具体步骤为：
以招聘网站为例，企业方索搜简历系统，数据量大，个人用户每天新增食物喂120万次，所以利用多台小型的服务器搭建分布式数据库结构，能够向用户提供响应时间更少，系统扩展能力增强，提高行业竞争力。
S20在客户端发送请求；客户端在向服务器端进行页面请求的时候，首先通过http协议，向附近的移动边缘服务器发送相关请求。在具体应用实例中，以Android平台为例，Android客户端想要与服务器建立通信方式，客户端向服务器端发送请求的时候，向服务器端传送了一个数据块，也就是请求信息，根据请求信息判定返回信息的状态码，进行数据在浏览器内存中的存储。
S30，移动边缘计算端对于请求进行解析；根据业务需求，首先存储业务所需要的静态模型，同时在数据库中存储模型的动作数据，在对于存储模型动作数据的同时，对于模型动作进行语义化的描述，在客户端发送交互请求的同时，对于客户端的交互请求进行解析，在语义化描述库中进行查询比对，获取匹配的动作，发送到移动边缘服务器。
S40,向云端进行数据请求，获取响应资源；如果模型数据已经预先进行路由，等向云端服务器请求动作数据，等待响应后进行模型运算，如果未进行内容路由，则向云端请求模型以及动作数据，进行模型运算。
S50,在移动边缘计算端进行数据计算；移动边缘服务器在接收到云计算端传递的模型、动作方法；通过模型内部的数据结构，以程序的方式对于所接收的模型以及动作数据进行复合运算，以数据格式向服务器返回模型响应数据。
以“5G”的“低功耗大连接”的应用场景为例，移动边缘九三部署在移动边缘，将无线网路和互联网两者技术有效的融合在一起，并在无线网络侧增加计算、存储、处理等功能，构建移动边缘云，提供信息技术服务环境和云计算能力。减少了数据传输中转发和处理的时间，降低端到端的时延，进而满足低时延要求，降低功耗。
S60,将计算结果数据返回给客户端，实现动态模型的载入功能。
以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (6)
1.一种基于属性化分离的web AR数据呈现方法，其特征在于，包括以下步骤：
S10，将模型与动作数据在服务器端进行分别的存储管理；首先将模型数据转化为对象数据，在转化应用中，需要根据对于模型中的各个键值的定义，将模型数据转化为属性对象的结合，存储在服务器端；
S20在客户端发送请求；客户端在向服务器端进行页面请求的时候，首先通过http协议，向附近的移动边缘服务器发送相关请求；
S30，移动边缘计算端对于请求进行解析；根据业务需求，首先存储业务所需要的静态模型，同时在数据库中存储模型的动作数据，在对于存储模型动作数据的同时，对于模型动作进行语义化的描述，在客户端发送交互请求的同时，对于客户端的交互请求进行解析，在语义化描述库中进行查询比对，获取匹配的动作，发送到移动边缘服务器；
S40，向云端进行数据请求，获取响应资源；如果模型数据已经预先进行路由，等向云端服务器请求动作数据，等待响应后进行模型运算，如果未进行内容路由，则向云端请求模型以及动作数据，进行模型运算；
S50，在移动边缘计算端进行数据计算；移动边缘服务器在接收到云计算端传递的模型、动作方法；通过模型内部的数据结构，以程序的方式对于所接收的模型以及动作数据进行复合运算，以数据格式向服务器返回模型响应数据；
S60，将计算结果数据返回给客户端，实现动态模型的载入功能。
2.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S20中所述的移动边缘计算端对于请求进行解析的具体步骤为：
客户端以http协议向服务器发送请求之后，浏览器将会监听服务端返回的请求信息；当获取请求信息之后，首先判定返回信息的状态码，当状态码为200时，将会抓取请求的json格式数据，并将数据存储于浏览器的内存中。
3.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，在所述方法中，在步骤S30中所述的移动边缘计算端对于请求进行解析的具体步骤为：
将客户端与模型加载运算相关的参数构建一个多维参数模型，携带表征客户端的运算能力、网络带宽以及交互展示界面的参数，以物理参数模型向服务端进行请求，服务端将会对于客户端的物理参数进行分析，并运算出适合于客户端的模型返回客户端进行加载和渲染运算，将会大大的提高客户端的运行效率。
4.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S50的在移动边缘计算端进行数据计算的具体步骤为：
S501，首先，服务端接收客户端的多维度数据模型，进行模型数据解析，获取与客户端当前运行状态相关的物理参数，传递给模型适配模块，模型适配模块对于客户端的物理参数进行解析，传递模型输出权值给模型生成模块；模型生成模块将会根据权值进行模型数据生成处理，并将处理结果以接口的形式返回给客户端，进行渲染计算。
5.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S50的在移动边缘计算端进行数据计算的具体步骤为：
S502，在5g应用场景下移动边缘计算，相对于传统的以中心化、大型化为核心的云计算比起来，更加适应于移动增强现实的计算响应模式；移动边缘计算，将运算从传统的云计算中心服务器集群转换到了离移动端更近的边缘，在网络流转上，避免了从云计算中心到网络边缘所占用的网络资源和所消耗的传输时间，同时，将大部分的运算量从中心服务器转换到了移动网络边缘，将会在一定程度上提高了web增强现实的运算能力；同时通过云计算以及移动边缘计算进行协同运算的模式，减轻移动端的GPU运算缓存压力，实现对于复杂交互模型的运算能力；基于移动边缘计算的接口化运算架构方式上，将会以传统的中心服务器集群作为客户端业务请求响应的功能中心，以移动边缘服务器作为模型运算的服务中心；首先客户端在相应的业务环境下，向服务端发送携带客户端的物理参数的运算请求，云计算中心将会对于客户端的运算请求进行解析，获取客户端的物理环境模型，并发挥云计算的高并发数据优势，计算客户端请求模型的权值，通过网络路由到与客户端最近的移动边缘服务器进行相应的模型请求计算；同时服务器端还需要根据用户的业务请求，进行响应的逻辑响应，并将响应的结果通过返回到客户端，实现相应的业务场景构建。
6.根据权利要求1所述的基于属性化分离的web AR数据呈现方法，其特征在于，所述方法中，在步骤S50的在移动边缘计算端进行数据计算的具体步骤为：
S503，模型计算模块根据接收到的权值，对于模型数据的贴图以及三维成像数据进行进一步的抽样和压缩，以快速计算的方法将所生成的新模型通过接口的形式返回给客户端，实现响应的业务；关于对于模型的抽样和压缩计算上，在边缘服务器的实现上，采用基于机器学习的计算方法，对于模型压缩数据首先进行一定的预处理，将模型数据首先进行预处理，同时根据模型请求的数据概率，将高请求率的模型进行云计算和存储的操作，这样能使模型在请求过程中进行快速的模型数据响应，匹配客户端的物理和网络情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811505132.4A CN109617960B (zh) | 2018-12-10 | 2018-12-10 | 一种基于属性化分离的web AR数据呈现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811505132.4A CN109617960B (zh) | 2018-12-10 | 2018-12-10 | 一种基于属性化分离的web AR数据呈现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109617960A true CN109617960A (zh) | 2019-04-12 |
| CN109617960B CN109617960B (zh) | 2022-04-12 |
Family
ID=66008664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811505132.4A Expired - Fee Related CN109617960B (zh) | 2018-12-10 | 2018-12-10 | 一种基于属性化分离的web AR数据呈现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109617960B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110147327A (zh) * | 2019-05-23 | 2019-08-20 | 浙江传媒学院 | 一种基于多粒度的web自动化测试管理方法 |
| CN111212128A (zh) * | 2019-12-30 | 2020-05-29 | 北京邮电大学 | 基于边缘辅助的协作式Web AR多人服务系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050049725A1 (en) * | 2003-08-25 | 2005-03-03 | Zyh-Ming Huang | Synchronous system for virtual reality frame and real objects |
| KR20100034685A (ko) * | 2008-09-23 | 2010-04-01 | 샘솔정보기술(주) | 가상현실 편집 시스템 및 방법 |
| CN103106680A (zh) * | 2013-02-16 | 2013-05-15 | 赞奇科技发展有限公司 | 基于云计算架构的三维图形渲染的实现方法及云服务系统 |
| CN106934693A (zh) * | 2017-03-06 | 2017-07-07 | 浙江传媒学院 | 基于ar产品模型在vr场景中显示的瓷砖选型方法和系统 |
| CN107222468A (zh) * | 2017-05-22 | 2017-09-29 | 北京邮电大学 | 增强现实处理方法、终端、云端服务器和边缘服务器 |
| CN108255605A (zh) * | 2017-12-29 | 2018-07-06 | 北京邮电大学 | 一种基于神经网络的图像识别协同计算方法及系统 |
| US20180218286A1 (en) * | 2017-01-31 | 2018-08-02 | Facebook, Inc. | Generating models to measure performance of content presented to a plurality of identifiable and non-identifiable individuals |
| CN108597028A (zh) * | 2018-04-11 | 2018-09-28 | 北京邮电大学 | 一种连续加载Web AR对象的方法、装置及设备 |
-
2018
- 2018-12-10 CN CN201811505132.4A patent/CN109617960B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050049725A1 (en) * | 2003-08-25 | 2005-03-03 | Zyh-Ming Huang | Synchronous system for virtual reality frame and real objects |
| KR20100034685A (ko) * | 2008-09-23 | 2010-04-01 | 샘솔정보기술(주) | 가상현실 편집 시스템 및 방법 |
| CN103106680A (zh) * | 2013-02-16 | 2013-05-15 | 赞奇科技发展有限公司 | 基于云计算架构的三维图形渲染的实现方法及云服务系统 |
| US20180218286A1 (en) * | 2017-01-31 | 2018-08-02 | Facebook, Inc. | Generating models to measure performance of content presented to a plurality of identifiable and non-identifiable individuals |
| CN106934693A (zh) * | 2017-03-06 | 2017-07-07 | 浙江传媒学院 | 基于ar产品模型在vr场景中显示的瓷砖选型方法和系统 |
| CN107222468A (zh) * | 2017-05-22 | 2017-09-29 | 北京邮电大学 | 增强现实处理方法、终端、云端服务器和边缘服务器 |
| CN108255605A (zh) * | 2017-12-29 | 2018-07-06 | 北京邮电大学 | 一种基于神经网络的图像识别协同计算方法及系统 |
| CN108597028A (zh) * | 2018-04-11 | 2018-09-28 | 北京邮电大学 | 一种连续加载Web AR对象的方法、装置及设备 |
Non-Patent Citations (5)
| Title |
|---|
| HAORAN YAN,XIUQUAN QIAO: "《Research and Implementation of Edge Computing in Web AR》", 《第二届计算智能、工程与技术国际研讨会 会议论文集》 * |
| XIUQUAN QIAO: "《A New Era for Web AR with Mobile Edge Computing》", 《IEEE INTERNET COMPUTING》 * |
| 乔秀全: "《关于增强现实技术潜在发展方向的思考》", 《中兴通讯技术》 * |
| 庄夏: "《Web 前端中的增强现实开发技术研究》", 《计算机工程应用技术》 * |
| 蔡茹雪: "《基于MEC的移动增强现实应用研究》", 《中国优秀硕士学位论文-信息科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110147327A (zh) * | 2019-05-23 | 2019-08-20 | 浙江传媒学院 | 一种基于多粒度的web自动化测试管理方法 |
| CN110147327B (zh) * | 2019-05-23 | 2023-04-18 | 浙江传媒学院 | 一种基于多粒度的web自动化测试管理方法 |
| CN111212128A (zh) * | 2019-12-30 | 2020-05-29 | 北京邮电大学 | 基于边缘辅助的协作式Web AR多人服务系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109617960B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109887098A (zh) | 一种基于分布式计算的web AR数据呈现方式 | |
| Zhang et al. | New agent-based proactive migration method and system for big data environment (BDE) | |
| CN104424229B (zh) | 一种多维度拆分的计算方法及系统 | |
| CN104137104B (zh) | 基于共享元信息的网页的协作式加载 | |
| Abd Elaziz et al. | IoT workflow scheduling using intelligent arithmetic optimization algorithm in fog computing | |
| CN101176079B (zh) | 在服务器和客户机之间分配计算的方法以及分布式计算机系统 | |
| US9166882B1 (en) | Remote browsing session management | |
| Wang et al. | Multimodal semantic communication accelerated bidirectional caching for 6G MEC | |
| CN102055771B (zh) | 面向云服务的多并发业务流控制装置及控制方法 | |
| CN104796439B (zh) | 网页推送方法、客户端、服务器及系统 | |
| IL240542B (en) | Shared cloud services and their uses | |
| CN113018848B (zh) | 一种游戏画面的显示方法、相关装置、设备以及存储介质 | |
| US10592578B1 (en) | Predictive content push-enabled content delivery network | |
| CN111857734B (zh) | 一种分布式深度学习模型平台部署及使用方法 | |
| US20100146112A1 (en) | Efficient communication techniques | |
| CN111611129B (zh) | PaaS云平台的性能监控方法及装置 | |
| CN111522657A (zh) | 一种分散设备协同深度学习推理方法 | |
| CN108196935A (zh) | 一种面向云计算的虚拟机节能迁移方法 | |
| CN106850789A (zh) | 基于服务器负载检测的游戏玩家动态分配系统和方法 | |
| CN109617960A (zh) | 一种基于属性化分离的web AR数据呈现方法 | |
| Li et al. | An intelligent collaborative inference approach of service partitioning and task offloading for deep learning based service in mobile edge computing networks | |
| US20150089052A1 (en) | Context-Aware HTTP Compression | |
| Rosendo et al. | ProvLight: Efficient workflow provenance capture on the edge-to-cloud continuum | |
| CN107153574A (zh) | 图片转码方法及系统 | |
| Wang et al. | C3Meta: a context-aware cloud-edge-end collaboration framework toward green metaverse |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220412 |