CN115499658B - 虚拟世界的数据传输方法及装置 - Google Patents
虚拟世界的数据传输方法及装置 Download PDFInfo
- Publication number
- CN115499658B CN115499658B CN202211140683.1A CN202211140683A CN115499658B CN 115499658 B CN115499658 B CN 115499658B CN 202211140683 A CN202211140683 A CN 202211140683A CN 115499658 B CN115499658 B CN 115499658B
- Authority
- CN
- China
- Prior art keywords
- data
- compression rate
- residual
- compression
- transmitted
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 129
- 230000005540 biological transmission Effects 0.000 title claims abstract description 128
- 238000007906 compression Methods 0.000 claims abstract description 497
- 230000006835 compression Effects 0.000 claims abstract description 488
- 238000012549 training Methods 0.000 claims description 64
- 238000012545 processing Methods 0.000 claims description 58
- 238000013144 data compression Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 description 49
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 18
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012546 transfer Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本说明书实施例提供了虚拟世界的数据传输方法及装置，其中，一种虚拟世界的数据传输方法包括：基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
Description
技术领域
本文件涉及虚拟化技术领域，尤其涉及一种虚拟世界的数据传输方法及装置。
背景技术
虚拟世界提供了对真实世界的模拟，甚至能够提供在真实世界难以实现的场景，因此虚拟世界越来越多地应用在各种场景。在虚拟世界场景中，用户通过特定的身份ID登录三维虚拟世界，通过虚拟世界中虚拟的用户角色进行活动，通常，在虚拟世界中存在不同的用户角色，这些用户角色各自进行不同的活动。
发明内容
本说明书一个或多个实施例提供了一种虚拟世界的数据传输方法，包括：基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽。根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端。接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据。对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
本说明书一个或多个实施例提供了另一种虚拟世界的数据传输方法，包括：接收虚拟世界的接入设备上传的待传输数据的压缩率。按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据。按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据。向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
本说明书一个或多个实施例提供了一种虚拟世界的数据传输装置，包括：网络带宽预测模块，被配置为基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽。压缩率上传模块，被配置为根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端。压缩数据接收模块，被配置为接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据。压缩数据解码模块，被配置为对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
本说明书一个或多个实施例提供了另一种虚拟世界的数据传输装置，包括：压缩率接收模块，被配置为接收虚拟世界的接入设备上传的待传输数据的压缩率。传输数据压缩模块，被配置为按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据。残差数据压缩模块，被配置为按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据。压缩数据下发模块，被配置为向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
本说明书一个或多个实施例提供了一种虚拟世界的数据传输设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽。根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端。接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据。对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
本说明书一个或多个实施例提供了另一种虚拟世界的数据传输设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：接收虚拟世界的接入设备上传的待传输数据的压缩率。按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据。按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据。向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽。根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端。接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据。对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
本说明书一个或多个实施例提供了另一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：接收虚拟世界的接入设备上传的待传输数据的压缩率。按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据。按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据。向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
图1为本说明书一个或多个实施例提供的第一种虚拟世界的数据传输方法处理流程图；
图2为本说明书一个或多个实施例提供的第二种虚拟世界的数据传输方法处理流程图；
图3为本说明书一个或多个实施例提供的第三种虚拟世界的数据传输方法处理流程图；
图4为本说明书一个或多个实施例提供的第四种虚拟世界的数据传输方法处理流程图；
图5为本说明书一个或多个实施例提供的一种虚拟世界的数据传输装置示意图；
图6为本说明书一个或多个实施例提供的另一种虚拟世界的数据传输装置示意图；
图7为本说明书一个或多个实施例提供的一种虚拟世界的数据传输设备的结构示意图；
图8为本说明书一个或多个实施例提供的另一种虚拟世界的数据传输设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
本说明书提供的第一种虚拟世界的数据传输方法实施例：
本申请提供的虚拟世界的数据传输方法，通过预测虚拟世界的接入设备与服务端在目标时间段的网络带宽，根据网络带宽和待传输数据的数据大小计算压缩率并上传至服务端，以使服务端能够按照上传的压缩率进行数据压缩获得原始压缩数据和压缩残差数据并下发，此后在接收到下发的原始压缩数据和压缩残差数据之后，将原始压缩数据解码为解码数据、压缩残差数据解码为残差数据，并将解码数据和残差数据合并为已传输数据，以此来降低数据传输过程中传输数据经压缩、解码后产生的数据丢失，并通过自适应的压缩率选择来提升接入设备与服务端的数据传输效率，降低了数据传输过程中的网络资源消耗，同时还提升了接入设备与服务端进行数据访问过程中的数据响应效率。
步骤S102，基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽。
本实施例所述虚拟世界，是指基于去中心化协作实现并且具有开放经济系统的虚拟的拟真世界，可选的，所述虚拟世界中通过生成非同质化标识进行去中心化的交易，通过交易占有虚拟资产的所有权。具体的，真实世界中的用户可通过接入设备接入虚拟世界，以在虚拟世界中进行去中心化的交易和其他行为，比如用户通过接入设备进行游戏交互的游戏虚拟世界，再比如用户通过接入设备进行在线会议的会议虚拟世界，或者用户通过接入设备进行在线交易的交易虚拟世界；所述虚拟世界的接入设备，可以是连接虚拟世界的VR(Virtual Reality，虚拟现实)设备、AR(Augmented Reality，增强现实)设备等，比如连接虚拟世界的头戴式VR设备。所述服务端，是指为接入虚拟世界的接入设备提供相应服务的服务器或者服务平台，或者，维护虚拟世界运行的服务器或者服务平台。
实际应用中，用户在通过接入设备访问虚拟世界的过程中，往往会涉及虚拟世界相关的数据传输，在数据传输过程中，传输效率受到接入设备与服务端的网络连接的限制，所述历史网络网数据，是指接入设备与服务端的网络连接的相关数据，比如带宽、带宽波动等。
具体实施时，从接入设备与服务端的历史网络数据出发预测目标时间段的网络带宽，也即是预测即将进行的数据传输的时间段的网络带宽。本实施例提供的一种可选实施方式中，在基于所述历史网络数据预测所述目标时间段的网络带宽的过程中，通过将所述历史网络数据输入带宽预测模型进行网络带宽预测，输出所述目标时间段的网络带宽。
本实施例中，带宽预测模型可预先训练，比如在云服务器上进行带宽预测模型的训练，具体在带宽预测模型的训练过程中，本实施例提供的一种可选实施方式中，采用如下方式进行带宽预测模型的训练：将历史网络数据输入待训练的模型进行预测接入设备与服务端之间的网络带宽，并计算所述输出的预测网络带宽与实际网络带宽的训练损失；根据训练损失对待训练的模型的模型参数进行调整，在训练完成后获得带宽预测模型。
其中，待训练的模型可采用循环神经网络(Recurrent Neural Network，RNN)架构，具体在模型训练过程中，输入的历史网络数据可以是一个特定时间段的网络带宽数据，比如过去60分钟的网络带宽数据，输出的网络带宽可以是另一个特定段的网络带宽，比如未来15分钟的网络带宽。
步骤S104，根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端。
上述预测出所述接入设备与服务端在目标时间段的网络带宽之后，本步骤从网络带宽和待传输数据的数据大小出发，计算对待传输数据进行传输过程中的压缩率，并将计算出的压缩率上传至服务端，服务端在接收到上传的压缩率之后，基于该压缩率进行相应的数据压缩处理，并向接入设备下发压缩处理后获得的相应压缩数据。所述压缩率，是指压缩处理后的文件大小与压缩处理之前的文件大小的比值。
本实施例中，可通过预先定义压缩率序列，压缩率序列是指由若干个压缩率组成的序列，基于预先定义的该压缩率序列，在根据所述网络带宽和所述待传输数据的数据大小计算所述压缩率的过程中，计算获得的压缩率为所述压缩率序列中的一者。具体的，本实施例提供的一种可选实施方式中，根据所述网络带宽和待传输数据的数据大小计算压缩率，包括：
根据所述目标时间段内各时间单元的网络带宽，计算所述目标时间段内的数据传输大小；
根据所述数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择与所述比值匹配的压缩率。
例如，首先根据接入设备与服务端在未来15分钟内每个最小时间单元(秒)能够传输的数据大小，然后对每秒能够传输的数据大小进行求和，获得未来15分钟能够传输的总数据大小；进一步，根据总数据大小与即将要传输的数据文件的数据大小的比值，在压缩率序列中选择数值小于该比值且与该比值的差值最小的压缩率，作为即将进行数据文件传输的压缩率；或者，还可选择压缩率序列中选择数值小于该比值的任一压缩率作为即将进行数据文件传输的压缩率。
需要说明的是，上述提供的在根据所述网络带宽和待传输数据的数据大小计算压缩率后，将计算获得的压缩率上传至服务端的实现方式，要求压缩率计算之前服务端将所述待传输数据的数据大小下发至接入设备，或者由接入设备在压缩率计算之前从服务端获取所述待传输数据的数据大小。
为了降低接入设备与服务端在数据传输过程中的交互次数，进而提升服务端与接入设备之间的数据传输效率，上述根据所述网络带宽和待传输数据的数据大小计算压缩率后，将计算获得的压缩率上传至服务端这一步骤，还可被替换为将所述网络带宽上传至所述服务端，并与本实施例提供的其他相应内容组成新的实现方式。相应的，在上述根据所述网络带宽和待传输数据的数据大小计算压缩率后，将计算获得的压缩率上传至服务端这一步骤，被替换为将所述网络带宽上传至所述服务端之后，服务端接收虚拟世界的接入设备上传的待传输数据的压缩率这一处理过程，也相应的被替换为接收虚拟世界的接入设备上传的压缩率，并根据所述网络带宽和待传输数据的数据大小计算压缩率。
本实施例中，为了降低待传输数据在经过压缩、解码后产生的数据丢失，服务端在按照所述压缩率向接入设备进行数据传输过程中，不仅要传输所述待传输数据被压缩后的原始压缩数据，还要传输原始压缩数据在解码后获得解码数据相对于所述待传输数据的残差数据，从而通过压缩数据的方式将待传输数据和传输可能导致的被丢失的数据部分一起传输至接入终端，以此来避免待传输数据在经过压缩、解码后产生的数据丢失。
进一步，为了降低待传输数据在压缩、解码过程中的产生的数据丢失，在定义的压缩率序列的基础上，可选的，针对每个压缩率分别配置对应的编码器和解码器，即所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的编码器和解码器；其中，编码器用于对于原始的待传输数据进行压缩处理获得原始压缩数据；解码器用于对编码器获得的原始压缩数据进行解码获得解码数据。
以及，在定义的压缩率序列的基础上，可选的，针对每个压缩率分别配置对应的残差编码器和残差解码器，所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的残差编码器和残差解码器；其中，残差编码器用于对解码器获得的解码数据相对于原始的待传输数据的残差数据进行压缩处理获得压缩残差数据，残差解码器用于对残差编码器获得的压缩残差数据进行解码处理获得解码残差数据。
具体执行过程中，在上述针对所述压缩率所属的压缩率序列中每个压缩率分别配置对应的编码器和解码器的基础上，在训练每个压缩率对应的编码器和解码器的过程中，为了提升训练效率，也为了提升训练获得的编码器进行数据压缩处理和解码器进行数据解码的准确性，本实施例提供的一种可选实施方式中，所述压缩率序列中任一压缩率对应的编码器和解码器，采用如下方式训练：
将训练数据输入所述压缩率对应的编码器进行压缩处理，并基于输出的压缩数据计算第一损失；
将输出的压缩数据输入所述压缩率对应的解码器进行解码，并计算输出的解码数据与所述训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的编码器和所述压缩率对应的解码器进行参数调整。
例如，在对压缩率序列中任一压缩率对应的待训练的编码器和待训练的解码器进行训练的过程中，构建的损失函数为：
其中，待训练的编码器和待训练的解码器可基于3D-CNN(卷积神经网络)网络架构进行构建，Ebase(x)为待训练的编码器对训练数据进行压缩处理后输出的原始压缩数据，表示先对原始压缩数据求2范数、并对求2范数获得的数据求1范数获得的结果，Dbase(Ebase(x))为待训练的解码器进行解码后输出的解码数据，x为训练数据，表示对解码数据与训练数据的欧式距离的平方，/>为第一损失，/>为第二损失，Lossbase为第一损失与第二损失之和，也即为训练损失，以该损失函数的约束对压缩率对应的待训练的编码器和待训练的解码器进行训练，直至损失函数收敛后获得压缩率对应的编码器和解码器。
类似的，在上述针对所述压缩率所属的压缩率序列中每个压缩率分别配置对应的残差编码器和残差解码器的基础上，在训练每个压缩率对应的残差编码器和残差解码器的过程中，为了提升训练效率，也为了提升训练获得的残差编码器进行数据压缩处理和残差解码器进行数据解码的准确性，本实施例提供的一种可选实施方式中，所述压缩率序列中任一压缩率对应的残差编码器和残差解码器，采用如下方式训练：
将残差训练数据输入所述压缩率对应的残差编码器进行压缩处理，并基于输出的压缩残差数据计算第一损失；
将输出的压缩残差数据输入所述压缩率对应的残差解码器进行解码，并计算输出的解码残差数据与所述残差训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的残差编码器和所述压缩率对应的残差解码器进行参数调整。
例如，在对压缩率序列中任一压缩率对应的待训练的残差编码器和待训练的残差解码器进行训练的过程中，构建的损失函数为：
其中，待训练的残差编码器和待训练的残差解码器可基于轻量化的3D-CNN(卷积神经网络)网络架构进行构建，x-Ebase(x)为训练数据相对于该压缩率对应的解码器解码后输出的解码数据的残差数据(残差训练数据)，该残差数据也即是训练待训练的残差编码器过程中，输入待训练的残差编码器的输入数据，Eres[x-Ebase(x)为待训练的残差编码器对输入的残差数据进行压缩处理输出的压缩残差数据，Dres(Eres[x-Ebase(x)])表示待训练的残差解码器进行解码后输出的解码残差数据，Dres(Eres[x-Ebase(x)])+Ebase(x)表示解码残差数据和解码数据合并获得的已传输数据，表示已传输数据与训练数据的欧式距离的平方，/>为第一损失，为第二损失，Lossres为第一损失与第二损失之和，也即为训练损失，以该损失函数的约束对压缩率对应的待训练的残差编码器和待训练的残差解码器进行训练，直至损失函数收敛后获得压缩率对应的残差编码器和残差解码器。
步骤S106，接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据。
可选的，所述原始压缩数据，采用如下方式获得：利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据。
具体实施时，利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，能够将所述待传输数据压缩为与所述压缩率相适配的大小，为了提升数据压缩效率，本实施例提供的一种可选实施方式中，从数据降维处理的角度出发进行数据压缩，具体的，所述编码器进行的压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
可选的，所述压缩残差数据，采用如下方式获得：利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；其中，所述原始压缩数据的残差数据，基于所述待传输数据与利用所述压缩率对应的解码器对所述原始压缩数据进行解码生成的解码数据计算获得。
具体执行过程中，利用所述压缩率对应的残差编码器对所述残差数据进行压缩处理，能够将所述残差数据压缩为与所述压缩率相适配的大小，为了提升数据压缩效率，本实施例提供的一种可选实施方式中，从数据降维处理的角度出发进行数据压缩，具体的，所述残差编码器进行的压缩处理，包括：
根据所述待传输数据的维数、所述压缩率以及对应的编码器的压缩维数，计算残差压缩维数；
将所述残差数据的维数压缩为与所述残差压缩维数相等，获得所述压缩残差数据；
其中，所述残差压缩维数，等于1减去所述压缩率的差值与所述维数的乘积减去所述编码器的压缩维数。
步骤S108，对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和残差数据进行合并获得已传输数据。
上述接收到所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据之后，对所述原始压缩数据进行解码获得解码数据，以及对所述压缩残差数据进行解码获得残差数据，并对所述解码数据和所述残差数据进行合并获得待传输数据。
如上所述，在针对所述压缩率所属的压缩率序列中每个压缩率分别配置对应的编码器和解码器，以及针对每个压缩率分别配置对应的残差编码器和残差解码器的前提下，本实施例提供的一种可选实施方式中，对所述原始压缩数据和所述压缩残差数据进行解码，包括：
利用所述压缩率对应的解码器对所述原始压缩数据进行解码获得所述解码数据，以及，利用所述压缩率对应的残差解码器对所述压缩残差数据进行解码获得所述残差数据。
可选的，所述压缩率对应解码器和残差解码器，由所述服务端下发；具体执行过程中，服务端在可在下发所述原始压缩数据和所述压缩残差数据的过程中，将所述压缩率对应解码器和残差解码器一起下发；此外，所述压缩率对应解码器和残差解码器还可由接入设备存储，或者，由接入设备从存储压缩率序列中各压缩率对应的编码器和解码器以及各压缩率对应的残差编码器和残差解码器的数据库、云存储或者数据平台，获取对应的解码器和对应的残差解码器。
上述提供了服务端向虚拟世界的接入设备下发待传输数据的数据传输实现方式，此外，虚拟世界的接入设备还可向服务端上传数据，本实施例提供的一种可选实施方式中，采用如下方式向服务端进行数据传输：
按照所述压缩率对第一传输数据进行压缩处理获得第一原始压缩数据，并计算基于所述第一原始压缩数据进行解码获得的第一解码数据与所述第一传输数据的第一残差数据；
按照所述压缩率对所述第一残差数据进行压缩处理，并将获得的第一压缩残差数据和所述第一原始压缩数据向所述服务端上传。
具体执行过程中，按照所述压缩率对第一传输数据进行压缩的过程中，可利用所述压缩率对应的编码器对所述第一传输数据进行压缩处理，获得所述第一原始压缩数据；以及，按照所述压缩率对所述第一残差数据进行压缩处理的过程中，也可利用所述压缩率对应的残差编码器对所述第一残差数据进行压缩处理，获得所述第一压缩残差数据。此处，解码器和残差解码器进行的压缩处理，与上述提供的服务端利用解码器和残差解码器进行的压缩处理类似，参照上述提供的解码器和残差解码器进行的压缩处理的具体说明即可，本实施例在此不再赘述。
可选的，本实施例提供的上述虚拟世界的数据传输方法，应用于虚拟世界的接入设备，下述提供的第三种虚拟世界的数据传输方法实施例，应用于服务端，二者在执行过程中相互配合，因此，阅读本实施例请参照下述提供的第三种虚拟世界的数据传输方法实施例的相应内容，相应的，阅读下述提供的第三种虚拟世界的数据传输方法实施例，也请参照本实施例提供的相应内容。
本说明书提供的第二种虚拟世界的数据传输方法实施例：
步骤S202，基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽。
步骤S204，根据所述网络带宽和待传输数据的数据大小计算压缩率。
步骤S206，按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于所述原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据。
步骤S208，按照所述压缩率对所述残差数据进行压缩处理，并将获得的压缩残差数据和所述原始压缩数据向所述服务端上传。
需要说明的是，本实施例提供的虚拟世界的数据传输方法，应用于虚拟世界的接入设备，具体的，本实施例中步骤S202、步骤S204的具体实现过程以及相应说明，与上述提供的第一种虚拟世界的数据传输方法中步骤S102和步骤S104的实现过程较为类似，参照上述提供的第一种虚拟世界的数据传输方法中步骤S102和步骤S104的具体说明即可；
本实施例中步骤S206、步骤S208与下述提供的第三种虚拟世界的数据传输方法中步骤S306和步骤S308的实现过程较为类似，参照上述提供的第三种虚拟世界的数据传输方法中步骤S306和步骤S308的具体说明即可，本实施例不再一一赘述。
本说明书提供的第三种虚拟世界的数据传输方法实施例：
步骤S302，接收虚拟世界的接入设备上传的待传输数据的压缩率。
本实施例所述虚拟世界，是指基于去中心化协作实现并且具有开放经济系统的虚拟的拟真世界，可选的，所述虚拟世界中通过生成非同质化标识进行去中心化的交易，通过交易占有虚拟资产的所有权。具体的，真实世界中的用户可通过接入设备接入虚拟世界，以在虚拟世界中进行去中心化的交易和其他行为，比如用户通过接入设备进行游戏交互的游戏虚拟世界，再比如用户通过接入设备进行在线会议的会议虚拟世界，或者用户通过接入设备进行在线交易的交易虚拟世界；所述虚拟世界的接入设备，可以是连接虚拟世界的VR(Virtual Reality，虚拟现实)设备、AR(Augmented Reality，增强现实)设备等，比如连接虚拟世界的头戴式VR设备。
所述压缩率，是指压缩处理后的文件大小与压缩处理之前的文件大小的比值。可选的，所述压缩率，根据虚拟世界的接入设备与服务端的网络带宽和待传输数据的数据大小计算获得，其中，所述网络带宽基于虚拟世界的接入设备与服务端的历史网络数据预测获得。
实际应用中，用户在通过接入设备访问虚拟世界的过程中，往往会涉及虚拟世界相关的数据传输，在数据传输过程中，传输效率受到接入设备与服务端的网络连接的限制，所述历史网络网数据，是指接入设备与服务端的网络连接的相关数据，比如带宽、带宽波动等。
具体实施时，从接入设备与服务端的历史网络数据出发预测目标时间段的网络带宽，也即是预测即将进行的数据传输的时间段的网络带宽。本实施例提供的一种可选实施方式中，在基于所述历史网络数据预测所述目标时间段的网络带宽的过程中，通过将所述历史网络数据输入带宽预测模型进行网络带宽预测，输出所述目标时间段的网络带宽。
本实施例中，带宽预测模型可预先训练，比如在云服务器上进行带宽预测模型的训练，具体在带宽预测模型的训练过程中，本实施例提供的一种可选实施方式中，采用如下方式进行带宽预测模型的训练：将历史网络数据输入待训练的模型进行预测接入设备与服务端之间的网络带宽，并计算所述输出的预测网络带宽与实际网络带宽的训练损失；根据训练损失对待训练的模型的模型参数进行调整，在训练完成后获得带宽预测模型。
其中，待训练的模型可采用循环神经网络(Recurrent Neural Network，RNN)架构，具体在模型训练过程中，输入的历史网络数据可以是一个特定时间段的网络带宽数据，比如过去60分钟的网络带宽数据，输出的网络带宽可以是另一个特定段的网络带宽，比如未来15分钟的网络带宽。
本实施例中，可通过预先定义压缩率序列，压缩率序列是指由若干个压缩率组成的序列，基于预先定义的该压缩率序列，在根据所述网络带宽和所述待传输数据的数据大小计算所述压缩率的过程中，计算获得的压缩率为所述压缩率序列中的一者。可选的，所述压缩率采用如下方式进行计算：根据所述目标时间段内各时间单元的网络带宽，计算所述目标时间段内的数据传输大小；根据所述数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择与所述比值匹配的压缩率。
步骤S304，按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据。
具体实施时，为了降低待传输数据在经过压缩、解码后产生的数据丢失，服务端在按照所述压缩率向接入设备进行数据传输过程中，不仅要传输所述待传输数据被压缩后的原始压缩数据，还要传输原始压缩数据在解码后获得解码数据相对于所述待传输数据的残差数据，从而通过压缩数据的方式将待传输数据和传输可能导致的被丢失的数据部分一起传输至接入终端，以此来避免待传输数据在经过压缩、解码后产生的数据丢失。
进一步，为了降低待传输数据在压缩、解码过程中的产生的数据丢失，在定义的压缩率序列的基础上，可选的，针对每个压缩率分别配置对应的编码器和解码器，即所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的编码器和解码器；其中，编码器用于对于原始的待传输数据进行压缩处理获得原始压缩数据；解码器用于对编码器获得的原始压缩数据进行解码获得解码数据。
以及，在定义的压缩率序列的基础上，可选的，针对每个压缩率分别配置对应的残差编码器和残差解码器，所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的残差编码器和残差解码器；其中，残差编码器用于对解码器获得的解码数据相对于原始的待传输数据的残差数据进行压缩处理获得压缩残差数据，残差解码器用于对残差编码器获得的压缩残差数据进行解码处理获得解码残差数据。
本实施例提供的一种可选实施方式中，按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，包括：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
以及，所述压缩率对应的编码器进行压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
具体执行过程中，在上述针对所述压缩率所属的压缩率序列中每个压缩率分别配置对应的编码器和解码器的基础上，在训练每个压缩率对应的编码器和解码器的过程中，为了提升训练效率，也为了提升训练获得的编码器进行数据压缩处理和解码器进行数据解码的准确性，本实施例提供的一种可选实施方式中，所述压缩率序列中任一压缩率对应的编码器和解码器，采用如下方式训练：
将训练数据输入所述压缩率对应的编码器进行压缩处理，并基于输出的压缩数据计算第一损失；
将输出的压缩数据输入所述压缩率对应的解码器进行解码，并计算输出的解码数据与所述训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的编码器和所述压缩率对应的解码器进行参数调整。
例如，在对压缩率序列中任一压缩率对应的待训练的编码器和待训练的解码器进行训练的过程中，构建的损失函数为：
其中，待训练的编码器和待训练的解码器可基于3D-CNN(卷积神经网络)网络架构进行构建，Ebase(x)为待训练的编码器对训练数据进行压缩处理后输出的原始压缩数据，表示先对原始压缩数据求2范数、并对求2范数获得的数据求1范数获得的结果，Dbase(Ebase(x))为待训练的解码器进行解码后输出的解码数据，x为训练数据，表示对解码数据与训练数据的欧式距离的平方，/>为第一损失，/>为第二损失，Lossbase为第一损失与第二损失之和，也即为训练损失，以该损失函数的约束对压缩率对应的待训练的编码器和待训练的解码器进行训练，直至损失函数收敛后获得压缩率对应的编码器和解码器。
步骤S306，按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据。
本实施例提供的一种可选实施方式中，按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据，包括：利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
以及，所述压缩率对应的残差编码器进行的压缩处理，包括：
根据所述待传输数据的维数、所述压缩率以及对应的编码器的压缩维数，计算残差压缩维数；
将所述残差数据的维数压缩为与所述残差压缩维数相等，获得所述压缩残差数据；
其中，所述残差压缩维数，等于1减去所述压缩率的差值与所述维数的乘积减去所述编码器的压缩维数。
具体实施时，在上述针对所述压缩率所属的压缩率序列中每个压缩率分别配置对应的残差编码器和残差解码器的基础上，在训练每个压缩率对应的残差编码器和残差解码器的过程中，为了提升训练效率，也为了提升训练获得的残差编码器进行数据压缩处理和残差解码器进行数据解码的准确性，本实施例提供的一种可选实施方式中，所述压缩率序列中任一压缩率对应的残差编码器和残差解码器，采用如下方式训练：
将残差训练数据输入所述压缩率对应的残差编码器进行压缩处理，并基于输出的压缩残差数据计算第一损失；
将输出的压缩残差数据输入所述压缩率对应的残差解码器进行解码，并计算输出的解码残差数据与所述残差训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的残差编码器和所述压缩率对应的残差解码器进行参数调整。
例如，在对压缩率序列中任一压缩率对应的待训练的残差编码器和待训练的残差解码器进行训练的过程中，构建的损失函数为：
其中，待训练的残差编码器和待训练的残差解码器可基于轻量化的3D-CNN(卷积神经网络)网络架构进行构建，x-Ebase(x)为训练数据相对于该压缩率对应的解码器解码后输出的解码数据的残差数据(残差训练数据)，该残差数据也即是训练待训练的残差编码器过程中，输入待训练的残差编码器的输入数据，Eres[x-Ebase(x)为待训练的残差编码器对输入的残差数据进行压缩处理输出的压缩残差数据，Dres(Eres[x-Ebase(x)])表示待训练的残差解码器进行解码后输出的解码残差数据，Dres(Eres[x-Ebase(x)])+Ebase(x)表示解码残差数据和解码数据合并获得的已传输数据，表示已传输数据与训练数据的欧式距离的平方，/>为第一损失，为第二损失，Lossres为第一损失与第二损失之和，也即为训练损失，以该损失函数的约束对压缩率对应的待训练的残差编码器和待训练的残差解码器进行训练，直至损失函数收敛后获得压缩率对应的残差编码器和残差解码器。
步骤S308，向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
将所述原始压缩数据和所述压缩残差数据下发至所述接入设备之后，所述接入设备在对所述原始压缩数据和所述压缩残差数据进行解码的过程中，可利用所述压缩率对应的解码器对所述原始压缩数据进行解码获得所述解码数据，以及，利用所述压缩率对应的残差解码器对所述压缩残差数据进行解码获得所述解码残差数据；
在这种情况下，可在向所述接入设备下发所述原始压缩数据和所述压缩残差数据的过程中，或者向所述接入设备下发所述原始压缩数据和所述压缩残差数据之后，向所述接入设备下发所述压缩率对应解码器和残差解码器。
上述提供了服务端向虚拟世界的接入设备下发待传输数据的数据传输实现方式，此外，虚拟世界的接入设备还可向服务端上传数据，在这种方式下，由服务端对接入设备上传的数据进行解码处理，本实施例提供的一种可选实施方式中，接收所述接入设备上传的所述压缩率对应的第一原始压缩数据和第一压缩残差数据；对所述第一原始压缩数据和所述第一压缩残差数据进行解码，并对解码获得的第一解码数据和第一残差数据进行合并获得对应的已传输数据。
本说明书提供的第四种虚拟世界的数据传输方法实施例：
步骤S402，接收虚拟世界的接入设备上传的压缩率对应的压缩残差数据和原始压缩数据。
步骤S404，利用所述压缩率对应的解码器对所述原始压缩数据进行解码获得解码数据，以及，利用所述压缩率对应的残差解码器对所述压缩残差数据进行解码获得解码残差数据。
步骤S406，将所述解码数据和所述解码残差数据合并为接收数据。
需要说明的是，本实施例提供的虚拟世界的数据传输方法，应用于服务端，具体的，本实施例中步骤S404、步骤S406的具体实现过程以及相应说明，与上述提供的第一种虚拟世界的数据传输方法中步骤S108的实现过程较为类似，参照上述提供的第一种虚拟世界的数据传输方法中步骤S108的具体说明即可。此外，针对步骤S402至步骤S406中其他内容的相应说明，还可参照上述提供的第三种虚拟世界的数据传输方法中的具体说明，本实施例不再一一赘述。
本说明书提供的一种虚拟世界的数据传输装置实施例如下：
在上述的实施例中，提供了第一种虚拟世界的数据传输方法，与之相对应的，还提供了一种虚拟世界的数据传输装置，下面结合附图进行说明。
参照图5，其示出了本实施例提供的一种虚拟世界的数据传输装置示意图。
由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种虚拟世界的数据传输装置，包括：
网络带宽预测模块502，被配置为基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；
压缩率上传模块504，被配置为根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；
压缩数据接收模块506，被配置为接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；
压缩数据解码模块508，被配置为对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
本说明书提供的另一种虚拟世界的数据传输装置实施例如下：
在上述的实施例中，提供了第三种虚拟世界的数据传输方法，与之相对应的，还提供了一种虚拟世界的数据传输装置，下面结合附图进行说明。
参照图6，其示出了本实施例提供的一种虚拟世界的数据传输装置示意图。
由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种虚拟世界的数据传输装置，包括：
压缩率接收模块602，被配置为接收虚拟世界的接入设备上传的待传输数据的压缩率；
传输数据压缩模块604，被配置为按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据；
残差数据压缩模块606，被配置为按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据；
压缩数据下发模块608，被配置为向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
本说明书提供的一种虚拟世界的数据传输设备实施例如下：
对应上述描述的第一种虚拟世界的数据传输方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种虚拟世界的数据传输设备，该虚拟世界的数据传输设备用于执行上述提供的虚拟世界的数据传输方法，图7为本说明书一个或多个实施例提供的一种虚拟世界的数据传输设备的结构示意图。
本实施例提供的一种虚拟世界的数据传输设备，包括：
如图7所示，虚拟世界的数据传输设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括虚拟世界的数据传输设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在虚拟世界的数据传输设备上执行存储器702中的一系列计算机可执行指令。虚拟世界的数据传输设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入/输出接口705，一个或一个以上键盘706等。
在一个具体的实施例中，虚拟世界的数据传输设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对虚拟世界的数据传输设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；
根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；
接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；
对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
本说明书提供的另一种虚拟世界的数据传输设备实施例如下：
对应上述描述的第三种虚拟世界的数据传输方法，基于相同的技术构思，本说明书一个或多个实施例还提供另一种虚拟世界的数据传输设备，该虚拟世界的数据传输设备用于执行上述提供的虚拟世界的数据传输方法，图8为本说明书一个或多个实施例提供的另一种虚拟世界的数据传输设备的结构示意图。
本实施例提供的一种虚拟世界的数据传输设备，包括：
如图8所示，虚拟世界的数据传输设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器801和存储器802，存储器802中可以存储有一个或一个以上存储应用程序或数据。其中，存储器802可以是短暂存储或持久存储。存储在存储器802的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括虚拟世界的数据传输设备中的一系列计算机可执行指令。更进一步地，处理器801可以设置为与存储器802通信，在虚拟世界的数据传输设备上执行存储器802中的一系列计算机可执行指令。虚拟世界的数据传输设备还可以包括一个或一个以上电源803，一个或一个以上有线或无线网络接口804，一个或一个以上输入/输出接口805，一个或一个以上键盘806等。
在一个具体的实施例中，虚拟世界的数据传输设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对虚拟世界的数据传输设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
接收虚拟世界的接入设备上传的待传输数据的压缩率；
按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据；
按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据；
向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
本说明书提供的一种存储介质实施例如下：
对应上述描述的第一种虚拟世界的数据传输方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：
基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；
根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；
接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；
对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据。
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于第一种虚拟世界的数据传输方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应方法的实施，重复之处不再赘述。
本说明书提供的另一种存储介质实施例如下：
对应上述描述的第三种虚拟世界的数据传输方法，基于相同的技术构思，本说明书一个或多个实施例还提供另一种存储介质。
本实施例提供的存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：
接收虚拟世界的接入设备上传的待传输数据的压缩率；
按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据；
按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据；
向所述接入设备下发所述原始压缩数据和所述压缩残差数据。
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于第三种虚拟世界的数据传输方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应方法的实施，重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。
Claims (19)
1.一种虚拟世界的数据传输方法，包括：
基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；
根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；
接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；
对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据；
其中，所述根据所述网络带宽和待传输数据的数据大小计算压缩率，包括：
根据所述目标时间段内各时间单元的网络带宽，计算所述目标时间段内的数据传输大小；
根据所述数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择与所述比值匹配的压缩率，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述原始压缩数据，采用如下方式获得：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述压缩残差数据，采用如下方式获得：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
2.根据权利要求1所述的虚拟世界的数据传输方法，所述原始压缩数据的残差数据，基于所述待传输数据与利用所述压缩率对应的解码器对所述原始压缩数据进行解码生成的解码数据计算获得。
3.根据权利要求2所述的虚拟世界的数据传输方法，所述压缩处理，包括：
根据所述待传输数据的维数、所述压缩率以及对应的编码器的压缩维数，计算残差压缩维数；
将所述残差数据的维数压缩为与所述残差压缩维数相等，获得所述压缩残差数据；
其中，所述残差压缩维数，等于1减去所述压缩率的差值与所述维数的乘积减去所述编码器的压缩维数。
4.根据权利要求1所述的虚拟世界的数据传输方法，所述对所述原始压缩数据和所述压缩残差数据进行解码，包括：
利用所述压缩率对应的解码器对所述原始压缩数据进行解码获得所述解码数据，以及，利用所述压缩率对应的残差解码器对所述压缩残差数据进行解码获得所述解码残差数据；
其中，所述压缩率对应解码器和残差解码器，由所述服务端下发。
5.根据权利要求1所述的虚拟世界的数据传输方法，所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的编码器和解码器；
所述压缩率序列中任一压缩率对应的编码器和解码器，采用如下方式训练：
将训练数据输入所述压缩率对应的编码器进行压缩处理，并基于输出的压缩数据计算第一损失；
将输出的压缩数据输入所述压缩率对应的解码器进行解码，并计算输出的解码数据与所述训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的编码器和解码器进行参数调整。
6.根据权利要求1所述的虚拟世界的数据传输方法，所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的残差编码器和残差解码器；
所述压缩率序列中任一压缩率对应的残差编码器和残差解码器，采用如下方式训练：
将残差训练数据输入所述压缩率对应的残差编码器进行压缩处理，并基于输出的压缩残差数据计算第一损失；
将输出的压缩残差数据输入所述压缩率对应的残差解码器进行解码，并计算输出的解码残差数据与所述残差训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的残差编码器和残差解码器进行参数调整。
7.根据权利要求1所述的虚拟世界的数据传输方法，还包括：
按照所述压缩率对第一传输数据进行压缩处理获得第一原始压缩数据，并计算基于所述第一原始压缩数据进行解码获得的第一解码数据与所述第一传输数据的第一残差数据；
按照所述压缩率对所述第一残差数据进行压缩处理，并将获得的第一压缩残差数据和所述第一原始压缩数据向所述服务端上传。
8.一种虚拟世界的数据传输方法，包括：
接收虚拟世界的接入设备上传的待传输数据的压缩率；
按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据；
按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据；
向所述接入设备下发所述原始压缩数据和所述压缩残差数据；
其中，所述压缩率为根据数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择的与所述比值匹配的压缩率，所述数据传输大小为根据目标时间段内各时间单元的网络带宽计算得到，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，包括：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据，包括：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
9.根据权利要求8的虚拟世界的数据传输方法，所述压缩处理，包括：
根据所述待传输数据的维数、所述压缩率以及对应的编码器的压缩维数，计算残差压缩维数；
将所述残差数据的维数压缩为与所述残差压缩维数相等，获得所述压缩残差数据；
其中，所述残差压缩维数，等于1减去所述压缩率的差值与所述维数的乘积减去所述编码器的压缩维数。
10.根据权利要求8的虚拟世界的数据传输方法，还包括：
向所述接入设备下发所述压缩率对应解码器和残差解码器；
相应的，所述接入设备在接收到所述原始压缩数据、所述压缩残差数据以及所述压缩率对应解码器和残差解码器之后，执行如下操作：
利用所述压缩率对应的解码器对所述原始压缩数据进行解码获得解码数据，以及，利用所述压缩率对应的残差解码器对所述压缩残差数据进行解码获得解码残差数据，并对所述解码数据和所述解码残差数据进行合并获得已传输数据。
11.根据权利要求8的虚拟世界的数据传输方法，所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的编码器和解码器；
所述压缩率序列中任一压缩率对应的编码器和解码器，采用如下方式训练：
将训练数据输入所述压缩率对应的编码器进行压缩处理，并基于输出的压缩数据计算第一损失；
将输出的压缩数据输入所述压缩率对应的解码器进行解码，并计算输出的解码数据与所述训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的编码器和解码器进行参数调整。
12.根据权利要求8所述的虚拟世界的数据传输方法，所述压缩率所属的压缩率序列中，每个压缩率分别配置对应的残差编码器和残差解码器；
所述压缩率序列中任一压缩率对应的残差编码器和残差解码器，采用如下方式训练：
将残差训练数据输入所述压缩率对应的残差编码器进行压缩处理，并基于输出的压缩残差数据计算第一损失；
将输出的压缩残差数据输入所述压缩率对应的残差解码器进行解码，并计算输出的解码残差数据与所述残差训练数据的第二损失；
根据所述第一损失和所述第二损失对所述压缩率对应的残差编码器和残差解码器进行参数调整。
13.根据权利要求8的虚拟世界的数据传输方法，还包括：
接收所述接入设备上传的所述压缩率对应的第一原始压缩数据和第一压缩残差数据；
对所述第一原始压缩数据和所述第一压缩残差数据进行解码，并对解码获得的第一解码数据和第一残差数据进行合并获得对应的已传输数据。
14.一种虚拟世界的数据传输装置，包括：
网络带宽预测模块，被配置为基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；
压缩率上传模块，被配置为根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；
压缩数据接收模块，被配置为接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；
压缩数据解码模块，被配置为对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据；
其中，所述压缩率上传模块，被配置为：
根据所述目标时间段内各时间单元的网络带宽，计算所述目标时间段内的数据传输大小；
根据所述数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择与所述比值匹配的压缩率，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述原始压缩数据，采用如下方式获得：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述压缩残差数据，采用如下方式获得：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
15.一种虚拟世界的数据传输装置，包括：
压缩率接收模块，被配置为接收虚拟世界的接入设备上传的待传输数据的压缩率；
传输数据压缩模块，被配置为按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据；
残差数据压缩模块，被配置为按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据；
压缩数据下发模块，被配置为向所述接入设备下发所述原始压缩数据和所述压缩残差数据；
其中，所述压缩率为根据数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择的与所述比值匹配的压缩率，所述数据传输大小为根据目标时间段内各时间单元的网络带宽计算得到，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，包括：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据，包括：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
16.一种虚拟世界的数据传输设备，包括：
处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：
基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；
根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；
接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；
对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据；
其中，所述根据所述网络带宽和待传输数据的数据大小计算压缩率，包括：
根据所述目标时间段内各时间单元的网络带宽，计算所述目标时间段内的数据传输大小；
根据所述数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择与所述比值匹配的压缩率，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述原始压缩数据，采用如下方式获得：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述压缩残差数据，采用如下方式获得：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
17.一种虚拟世界的数据传输设备，包括：
处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：
接收虚拟世界的接入设备上传的待传输数据的压缩率；
按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据；
按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据；
向所述接入设备下发所述原始压缩数据和所述压缩残差数据；
其中，所述压缩率为根据数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择的与所述比值匹配的压缩率，所述数据传输大小为根据目标时间段内各时间单元的网络带宽计算得到，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，包括：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据，包括：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
18.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：
基于虚拟世界的接入设备与服务端的历史网络数据，预测目标时间段的网络带宽；
根据所述网络带宽和待传输数据的数据大小计算压缩率，并将所述压缩率上传至所述服务端；
接收所述服务端下发的所述压缩率对应的原始压缩数据和压缩残差数据；
对所述原始压缩数据和所述压缩残差数据进行解码，并对解码获得的解码数据和解码残差数据进行合并获得已传输数据；
其中，所述根据所述网络带宽和待传输数据的数据大小计算压缩率，包括：
根据所述目标时间段内各时间单元的网络带宽，计算所述目标时间段内的数据传输大小；
根据所述数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择与所述比值匹配的压缩率，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述原始压缩数据，采用如下方式获得：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述压缩残差数据，采用如下方式获得：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
19.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：
接收虚拟世界的接入设备上传的待传输数据的压缩率；
按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，并计算基于原始压缩数据进行解码获得的解码数据与所述待传输数据的残差数据；
按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据；
向所述接入设备下发所述原始压缩数据和所述压缩残差数据；
其中，所述压缩率为根据数据传输大小与所述待传输数据的数据大小的比值，在压缩率序列中选择的与所述比值匹配的压缩率，所述数据传输大小为根据目标时间段内各时间单元的网络带宽计算得到，所述与所述比值匹配的压缩率为所述压缩率序列中数值小于所述比值且与所述比值的差值最小的压缩率；
所述按照所述压缩率对所述待传输数据进行压缩处理获得原始压缩数据，包括：
利用所述压缩率对应的编码器对所述待传输数据进行压缩处理，获得所述原始压缩数据；
所述按照所述压缩率对所述残差数据进行压缩处理，获得压缩残差数据，包括：
利用所述压缩率对应的残差编码器对所述原始压缩数据的残差数据进行压缩处理，获得所述压缩残差数据；
所述压缩处理，包括：
根据所述待传输数据的维数和所述压缩率计算压缩维数；
将所述待传输数据的维数压缩为与所述压缩维数相等，获得所述原始压缩数据；
其中，所述压缩维数，等于1减去所述压缩率的差值与所述待传输数据的维数的乘积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211140683.1A CN115499658B (zh) | 2022-09-20 | 2022-09-20 | 虚拟世界的数据传输方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211140683.1A CN115499658B (zh) | 2022-09-20 | 2022-09-20 | 虚拟世界的数据传输方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115499658A CN115499658A (zh) | 2022-12-20 |
| CN115499658B true CN115499658B (zh) | 2024-05-07 |
Family
ID=84469584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211140683.1A Active CN115499658B (zh) | 2022-09-20 | 2022-09-20 | 虚拟世界的数据传输方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115499658B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018129135A1 (de) * | 2017-11-21 | 2019-05-23 | Nvidia Corporation | Verwendung von rest-videodaten, die aus einer kompression von original-videodaten resultieren, um eine dekompression der original-videodaten zu verbessern |
| CN112785662A (zh) * | 2021-01-28 | 2021-05-11 | 北京理工大学重庆创新中心 | 一种基于低分辨率先验信息的自适应编码方法 |
| WO2021176985A1 (ja) * | 2020-03-05 | 2021-09-10 | ソニーセミコンダクタソリューションズ株式会社 | 信号処理装置、信号処理方法、プログラム |
| WO2021223663A1 (zh) * | 2020-05-06 | 2021-11-11 | 支付宝(杭州)信息技术有限公司 | 基于差分隐私的数据生成系统的训练 |
| WO2022167547A1 (en) * | 2021-02-05 | 2022-08-11 | Interdigital Ce Patent Holdings, Sas | Dynamic feature size adaptation in splitable deep neural networks |
| CN114979290A (zh) * | 2022-04-14 | 2022-08-30 | 中国联合网络通信集团有限公司 | 一种态势感知压缩算法的选择方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6356146B1 (en) * | 1999-07-13 | 2002-03-12 | Pmc-Sierra, Inc. | Amplifier measurement and modeling processes for use in generating predistortion parameters |
| US11082720B2 (en) * | 2017-11-21 | 2021-08-03 | Nvidia Corporation | Using residual video data resulting from a compression of original video data to improve a decompression of the original video data |
-
2022
- 2022-09-20 CN CN202211140683.1A patent/CN115499658B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018129135A1 (de) * | 2017-11-21 | 2019-05-23 | Nvidia Corporation | Verwendung von rest-videodaten, die aus einer kompression von original-videodaten resultieren, um eine dekompression der original-videodaten zu verbessern |
| WO2021176985A1 (ja) * | 2020-03-05 | 2021-09-10 | ソニーセミコンダクタソリューションズ株式会社 | 信号処理装置、信号処理方法、プログラム |
| WO2021223663A1 (zh) * | 2020-05-06 | 2021-11-11 | 支付宝(杭州)信息技术有限公司 | 基于差分隐私的数据生成系统的训练 |
| CN112785662A (zh) * | 2021-01-28 | 2021-05-11 | 北京理工大学重庆创新中心 | 一种基于低分辨率先验信息的自适应编码方法 |
| WO2022167547A1 (en) * | 2021-02-05 | 2022-08-11 | Interdigital Ce Patent Holdings, Sas | Dynamic feature size adaptation in splitable deep neural networks |
| CN114979290A (zh) * | 2022-04-14 | 2022-08-30 | 中国联合网络通信集团有限公司 | 一种态势感知压缩算法的选择方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115499658A (zh) | 2022-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115359220B (zh) | 虚拟世界的虚拟形象更新方法及装置 | |
| JP7302132B2 (ja) | 音声認識方法、符号化・復号化方法、装置、電子機器、及び記憶媒体 | |
| US20220215832A1 (en) | Systems and methods for automatic speech recognition based on graphics processing units | |
| US10608664B2 (en) | Electronic apparatus for compression and decompression of data and compression method thereof | |
| CN115203394A (zh) | 一种模型训练的方法、业务执行的方法及装置 | |
| CN116645668B (zh) | 图像生成方法、装置、设备以及存储介质 | |
| CN113642673A (zh) | 图像生成方法、装置、设备及存储介质 | |
| CN117635822A (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN111507726B (zh) | 一种报文生成方法、装置及设备 | |
| CN115499658B (zh) | 虚拟世界的数据传输方法及装置 | |
| CN115499635B (zh) | 数据压缩处理方法及装置 | |
| CN114926706B (zh) | 数据处理方法、装置及设备 | |
| CN113887719B (zh) | 一种模型压缩方法及装置 | |
| CN115712701A (zh) | 语言处理方法、装置及存储介质 | |
| CN115543945A (zh) | 一种模型压缩的方法、装置、存储介质及电子设备 | |
| CN114662144A (zh) | 一种生物检测方法、装置及设备 | |
| CN115953706B (zh) | 虚拟形象处理方法及装置 | |
| CN110929871A (zh) | 博弈决策方法和系统 | |
| CN111104591B (zh) | 一种推荐信息生成方法及装置 | |
| CN118228255A (zh) | 一种应用程序的风险检测方法、装置及设备 | |
| CN118260713A (zh) | 一种多模态数据的融合方法、装置及设备 | |
| CN117290724A (zh) | 服务处理模型训练方法及装置 | |
| CN116186607A (zh) | 一种模型的处理方法、装置及设备 | |
| CN116842571A (zh) | 一种业务执行方法、装置、设备及存储介质 | |
| CN116188731A (zh) | 虚拟世界的虚拟形象调整方法及装置 |
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 |