CN117908684A - 一种虚拟现实实现方法及系统 - Google Patents

一种虚拟现实实现方法及系统 Download PDF

Info

Publication number
CN117908684A
CN117908684A CN202410316740.XA CN202410316740A CN117908684A CN 117908684 A CN117908684 A CN 117908684A CN 202410316740 A CN202410316740 A CN 202410316740A CN 117908684 A CN117908684 A CN 117908684A
Authority
CN
China
Prior art keywords
content
real time
foreground
interaction data
background content
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
Application number
CN202410316740.XA
Other languages
English (en)
Other versions
CN117908684B (zh
Inventor
刘伯成
林波
匡仁盛
朱小刚
华鑫
庞孟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Juneng Iot Technology Research Center Co ltd
Nanchang University New Generation Information Technology Industry Research Institute
Nanchang University
Original Assignee
Jiangxi Juneng Iot Technology Research Center Co ltd
Nanchang University New Generation Information Technology Industry Research Institute
Nanchang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi Juneng Iot Technology Research Center Co ltd, Nanchang University New Generation Information Technology Industry Research Institute, Nanchang University filed Critical Jiangxi Juneng Iot Technology Research Center Co ltd
Priority to CN202410316740.XA priority Critical patent/CN117908684B/zh
Publication of CN117908684A publication Critical patent/CN117908684A/zh
Application granted granted Critical
Publication of CN117908684B publication Critical patent/CN117908684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • 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
    • H04L67/10—Protocols in which an application is distributed across nodes in the 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
    • H04L67/131—Protocols for games, networked simulations or virtual reality
    • 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
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供了一种虚拟现实实现方法及系统，该方法包括：当实时检测到用户佩戴VR设备时，通过VR设备实时采集用户输入的交互数据，并实时检测出交互数据的交互类型；根据交互类型将交互数据传输至对应的边缘计算节点中，并通过边缘计算节点将交互数据输入至对应的AI引擎中，以通过AI引擎实时解析出交互数据中包含的前台内容；实时匹配出与前台内容对应的背景内容，并对前台内容以及背景内容进行图块合成处理，以生成对应的初始图片，前台内容和背景内容均包含有若干图块；将初始图片对应反馈至VR设备中，并通过VR设备对初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。本发明能够实现画面高效率、低延迟的效果，对应提升了用户体验。

Description

一种虚拟现实实现方法及系统
技术领域
本发明涉及虚拟现实技术领域，特别涉及一种虚拟现实实现方法及系统。
背景技术
随着科技的进步以及生产力的快速发展，虚拟现实技术也日趋成熟，并且在多个领域得到了广泛的应用，对应提升了人们的工作效率。
其中，虚拟现实技术在5G领域也得到了广泛的应用，并且也是现有的数字经济的关键支撑技术，在实际应用的过程中，现有的虚拟现实技术面临的主要问题是如何确保实时交互以及实时内容分发的效率。
针对于此，现有技术大部分通过自适应传输以及全面内容边缘缓存技术解决上述问题，然而，此种解决方式存在着缓存和计算成本较高，同时难以保证数据的实时性，从而对应降低了用户的使用体验。
发明内容
基于此，本发明的目的是提供一种虚拟现实实现方法及系统，以解决现有技术存在着缓存和计算成本较高，同时难以保证数据实时性的问题。
本发明实施例第一方面提出了：
一种虚拟现实实现方法，其中，所述方法包括：
当实时检测到用户佩戴VR设备时，通过所述VR设备实时采集用户输入的交互数据，并实时检测出所述交互数据的交互类型；
根据所述交互类型将所述交互数据传输至对应的边缘计算节点中，并通过所述边缘计算节点将所述交互数据输入至对应的AI引擎中，以通过所述AI引擎实时解析出所述交互数据中包含的前台内容；
实时匹配出与所述前台内容对应的背景内容，并对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片，所述前台内容和所述背景内容均包含有若干图块；
将所述初始图片对应反馈至所述VR设备中，并通过所述VR设备对所述初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。
本发明的有益效果是：通过实时接收用户输入的交互数据，从而能够对应了解到用户的交互需求，即能够确定出对应的交互类型。基于此，由于，每个交互类型的处理方式不同，从而需要将当前交互数据传输至对应的边缘计算节点中，进一步的，实时解析出当前边缘计算节点所包含的前台内容，与此同时，同步匹配出与当前前台内容适配的背景内容，并进一步完成两者之间的图块合成处理，以生成对应的初始图片，在此基础之上，最后将该初始图片输入至用户佩戴的VR设备中，并对应完成后续的解析以及渲染处理，从而能够最终生成需要的渲染图片，进而能够在用户佩戴的VR设备中实时生成对应的虚拟场景，对应实现了VR效果的高效率以及低延迟，同步提升用户的使用体验。
进一步的，所述根据所述交互类型将所述交互数据传输至对应的边缘计算节点中的步骤包括：
基于预设规则实时计算出与所述交互数据对应的目标矩阵，并实时判定出所述目标矩阵对应的矩阵类型，所述矩阵类型包括用户需求矩阵以及边缘节点位置矩阵；
实时构建出每一所述矩阵类型与每一所述交互类型之间的映射关系，并基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点。
进一步的，所述基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点的步骤包括：
若实时判断到所述目标矩阵对应的矩阵类型为用户需求矩阵，则通过第一缓存策略将所述交互数据传输至第一预设边缘节点；
若实时判断到所述目标矩阵对应的矩阵类型为边缘节点位置矩阵，则通过第二存储策略将所述交互数据传输至第二预设边缘节点，所述第一缓存策略和所述第二缓存策略均具有唯一性。
进一步的，所述对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片的步骤包括：
当分别获取到需要的前台内容以及背景内容时，实时检测出所述前台内容中包含的若干第一图块，并实时检测出所述背景内容中包含的若干第二图块；
对每一所述第一图块分别添加对应的第一标识，并对每一所述第二图块分别添加对应的第二标识；
根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
进一步的，所述根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片的步骤包括：
根据所述第一标识实时生成与若干所述第一图块对应的第一序列表，并根据所述第二标识实时生成与若干所述第二图块对应的第二序列表，所述第一序列表和所述第二序列表均具有唯一性；
实时构建出所述第一序列表与所述第二序列表之间的映射关系，并基于所述映射关系对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
进一步的，所述方法还包括：
当分别获取到所述前台内容以及所述背景内容时，将所述前台内容和所述背景内容均上传至预设云服务器中，所述云服务器中包含有所述第一缓存策略以及所述第二缓存策略；
在所述预设云服务器中对所述前台内容以及所述背景内容进行需求评估处理，以对应判定出所述前台内容和所述背景内容对应所述第一缓存策略或者对应所述第二缓存策略，且对所述前台内容以及所述背景内容进行加密处理。
进一步的，所述对所述前台内容以及所述背景内容进行加密处理的步骤包括：
当实时接收到所述前台内容以及所述背景内容时，实时提取出所述前台内容以及所述背景内容中包含的目标数字以及目标字母，并对所述目标数字以及目标字母进行随机排列组合，以生成若干对应的序列代码；
随机选取出一所述序列代码作为所述前台内容以及所述背景内容的加密密钥，以对应完成所述前台内容以及所述背景内容的保密处理。
本发明实施例第二方面提出了：
一种虚拟现实实现系统，其中，所述系统包括：
采集模块，用于当实时检测到用户佩戴VR设备时，通过所述VR设备实时采集用户输入的交互数据，并实时检测出所述交互数据的交互类型；
解析模块，用于根据所述交互类型将所述交互数据传输至对应的边缘计算节点中，并通过所述边缘计算节点将所述交互数据输入至对应的AI引擎中，以通过所述AI引擎实时解析出所述交互数据中包含的前台内容；
合成模块，用于实时匹配出与所述前台内容对应的背景内容，并对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片，所述前台内容和所述背景内容均包含有若干图块；
渲染模块，用于将所述初始图片对应反馈至所述VR设备中，并通过所述VR设备对所述初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。
进一步的，所述解析模块具体用于：
基于预设规则实时计算出与所述交互数据对应的目标矩阵，并实时判定出所述目标矩阵对应的矩阵类型，所述矩阵类型包括用户需求矩阵以及边缘节点位置矩阵；
实时构建出每一所述矩阵类型与每一所述交互类型之间的映射关系，并基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点。
进一步的，所述解析模块具体用于：
若实时判断到所述目标矩阵对应的矩阵类型为用户需求矩阵，则通过第一缓存策略将所述交互数据传输至第一预设边缘节点；
若实时判断到所述目标矩阵对应的矩阵类型为边缘节点位置矩阵，则通过第二存储策略将所述交互数据传输至第二预设边缘节点，所述第一缓存策略和所述第二缓存策略均具有唯一性。
进一步的，所述合成模块具体用于：
当分别获取到需要的前台内容以及背景内容时，实时检测出所述前台内容中包含的若干第一图块，并实时检测出所述背景内容中包含的若干第二图块；
对每一所述第一图块分别添加对应的第一标识，并对每一所述第二图块分别添加对应的第二标识；
根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
进一步的，所述合成模块还具体用于：
根据所述第一标识实时生成与若干所述第一图块对应的第一序列表，并根据所述第二标识实时生成与若干所述第二图块对应的第二序列表，所述第一序列表和所述第二序列表均具有唯一性；
实时构建出所述第一序列表与所述第二序列表之间的映射关系，并基于所述映射关系对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
进一步的，所述虚拟现实实现系统还包括加密模块，所述加密模块具体用于：
当分别获取到所述前台内容以及所述背景内容时，将所述前台内容和所述背景内容均上传至预设云服务器中，所述云服务器中包含有所述第一缓存策略以及所述第二缓存策略；
在所述预设云服务器中对所述前台内容以及所述背景内容进行需求评估处理，以对应判定出所述前台内容和所述背景内容对应所述第一缓存策略或者对应所述第二缓存策略，且对所述前台内容以及所述背景内容进行加密处理。
进一步的，所述加密模块具体用于：
当实时接收到所述前台内容以及所述背景内容时，实时提取出所述前台内容以及所述背景内容中包含的目标数字以及目标字母，并对所述目标数字以及目标字母进行随机排列组合，以生成若干对应的序列代码；
随机选取出一所述序列代码作为所述前台内容以及所述背景内容的加密密钥，以对应完成所述前台内容以及所述背景内容的保密处理。
本发明实施例第三方面提出了：
一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上面所述的虚拟现实实现方法。
本发明实施例第四方面提出了：
一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上面所述的虚拟现实实现方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提供的虚拟现实实现方法的流程图；
图2为本发明第一实施例提供的虚拟现实实现方法的流程框图；
图3为本发明第二实施例提供的虚拟现实实现方法中的协同云边缘架构示意图；
图4为本发明第六实施例提供的虚拟现实实现系统的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1，所示为本发明第一实施例提供的虚拟现实实现方法，本实施例提供的虚拟现实实现方法能够实现高效率、低延迟的VR显示效果，对应提升了用户的使用体验。
具体的，本实施例提供了：
一种虚拟现实实现方法，具体包括以下步骤：
步骤S10，当实时检测到用户佩戴VR设备时，通过所述VR设备实时采集用户输入的交互数据，并实时检测出所述交互数据的交互类型；
步骤S20，根据所述交互类型将所述交互数据传输至对应的边缘计算节点中，并通过所述边缘计算节点将所述交互数据输入至对应的AI引擎中，以通过所述AI引擎实时解析出所述交互数据中包含的前台内容；
步骤S30，实时匹配出与所述前台内容对应的背景内容，并对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片，所述前台内容和所述背景内容均包含有若干图块；
步骤S40，将所述初始图片对应反馈至所述VR设备中，并通过所述VR设备对所述初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。
具体的，在本实施例中，首先需要说明的是，基于图块的编码在传统全景视频传输中被广泛使用，其主要特点是各个图块可以独立编码/解码，因此可以为全景视频的自适应传输生成多个比特率版本的图块。在VR（Virtual Reality）空间中，除了提供沉浸式体验的场景内容外，需要使用AI（人工智能 Artificial lntelligence）生成交互内容，以便多人实时在线交互。而在低延迟的约束下，在边缘节点部署基于交互的AI生成内容是最佳选择。此外，缓存在边缘节点的背景内容也可以被充分利用，以协助基于AI的交互内容生成。
结合VR背景内容相对稳定和交互内容动态变化的特性，本发明提出采取分离背景内容与交互内容的方式构建VR服务模型。本实施例详细说明了基于背景与交互内容独立编码的VR服务流程。其中，交互内容基于用户与VR场景的互动数据，并且提供给用户的交互反馈内容是基于AI技术生成的，而这部分任务要求密集的计算支持，本发明考虑将该部分任务部署在边缘节点，并利用边缘节点充足的计算能力进行内容生成。最终，VR用户使用终端设备中有限的计算能力进行背景内容和交互内容的图块组合，然后执行视频解码和渲染等任务，以呈现沉浸式体验。具体的，如图2所示：
VR的交互基于用户间交互和用户-场景交互，本发明考虑在边缘节点部署这部分任务，并使用边缘节点的计算能力进行内容生成。具体实现步骤如下：
1、VR终端通过传感器捕捉交互信息并将其发送至边缘节点。
2、边缘节点的交互信息接收模块提取用户交互信息并对数据进行建模，然后将其发送至AI引擎，该引擎基于提取的交互信息和建模数据生成交互内容，并使用缓存的内容作为参考内容。
3、此外，边缘节点的生成内容管理模块将基于AI生成的内容进行场景感知的内容任务调度，并且通过异步模式将用户交互产生的场景内容更新到云端作为新的背景内容。
4、用户间交互的内容通过快速同步机制与交互内容同步，最终用户VR终端执行内容组合、解码和渲染等任务。
进一步的，基于新的VR服务模型，设计了一个新的Cloud-Edge-End协同VR服务架构。如图3所示，本该架构主要包括VR终端、5G接入网络、边缘节点和云端。具体设计架构如下：
VR终端：本发明考虑为主流轻量级VR设备，提供显示、交互、通信和计算功能，配备支持六自由度（DOF）跟踪的传感器，搭载支持5G及更高网络连接的芯片，并支持高效图形渲染和3D重建。
接入网络：为用户提供5G及更高无线接入服务，本发明考虑典型的5G集中式无线接入网络（C-RAN），用户通过无线远程头（RRH）进行传输。
边缘节点：本发明考虑在基带处理单元（BBU）部署边缘计算服务器，以提供基带信息处理、内容缓存和计算资源。AI内容引擎作为虚拟机/容器部署，负责基于用户交互生成AI内容。
云端：本发明考虑在云中部署VR内容服务器，并通过虚拟机/容器的形式实施三个主要功能模块的部署，如缓存策略引擎、内容管理和需求演化模型。其中，需求演化模块、缓存策略引擎模块和内容管理模块基于多维数据，并根据人工智能算法和优化策略做出智能资源分配决策。
在Cloud-Edge-End协同服务架构下，基于背景内容和交互内容的独立编码机制，通过云服务与边缘计算节点协同终端的背景内容预缓存和交互内容的协同生成，实现了VR高效率低延迟的内容分发。
第二实施例
进一步的，所述根据所述交互类型将所述交互数据传输至对应的边缘计算节点中的步骤包括：
基于预设规则实时计算出与所述交互数据对应的目标矩阵，并实时判定出所述目标矩阵对应的矩阵类型，所述矩阵类型包括用户需求矩阵以及边缘节点位置矩阵；
实时构建出每一所述矩阵类型与每一所述交互类型之间的映射关系，并基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点。
具体的，在本实施例中，需要说明的是，为了能够准确的匹配出对应的边缘计算节点，首先我们将VR内容分发定义为如下数学问题：
给定个VR用户，/>个VR背景内容视频，/>个边缘节点，/>为VR用户内容需求矩阵，其中，/>表示用户是否请求第b个VR背景内容视频的ψ个片段；/>是当前请求内容的位置矩阵，其中/>表示当前内容被请求时VR用户是否在第m个边缘节点的范围内，取值范围是「0,1」，其中,0表示不在该范围内，1表示在该范围内；/>是边缘节点的位置矩阵，其中pm是边缘节点的位置，是二维平面坐标的位置坐标，形式如同（x，y）。
1、基于此条件，要实现的边缘节点的缓存模型定义如下：假设第b个VR背景内容的第ψ个片段的数据量为，/>为第m个边缘节点的缓存空间，给定缓存策略S，为缓存的策略矩阵，其中/>表示第b个VR背景内容视频的第ψ个片段是否缓存到第m个边缘节点,取值范围为「0,1」,0表示不缓存，1 表示缓存。则边缘节点的缓存空间需要满足：缓存在第 m个节点的内容要比第 m个节点的可用容量小，用公式表明如下：
2、进一步，本发明考虑了边缘节点的网络拓扑结构，边缘节点之间的缓存内容可以被一定地理空间内的其他边缘节点共享，以提高缓存命中率和缓存效率。因此，本发明提出了一种边缘节点内容共享模型：本发明根据边缘节点的空间位置对其进行顺序编码，边缘节点间共享缓存内容的位置应满足节点间的拓扑位置小于一个固定值，即，其中η为一个固定常量，也就是使两个点的坐标的距离在某一个范围内。因此，边缘节点m可以从m到m＋δ与其附近的边缘节点共享缓存的内容，其中，δ是整数。即边缘节点m范围内VR用户的缓存服务内容应为周围边缘节点的缓存内容之和，即
3、进一步,定义函数p为边缘节点内的缓存内容是否命中VR用户v请求第b个VR背景内容的第ψ个片段的请求，如果命中，则该函数的值为1，否则为0，记为：
其中，函数l（*）为一个取逆的函数:
4、因此，边缘节点缓存的目标是在边缘节点缓存空间的约束下最大化地满足VR用户对后台内容请求的需求。因此，最终的优化问题表示如下：
5、这个优化问题是非确定性多项式问题，我们发现它可以分解成几个子问题，其中每个子问题都可以转化为0-1背包问题，使用优化方法可以独立解决。在这种情况下，考虑到从m到m＋δ的边缘节点的缓存空间是一个背包，采用最大化目标函数Ng来进行策略更新。
通过上述方式能够准确的将获取到的交互数据传输至对应的边缘计算节点，以便于后续的处理。
进一步的，所述基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点的步骤包括：
若实时判断到所述目标矩阵对应的矩阵类型为用户需求矩阵，则通过第一缓存策略将所述交互数据传输至第一预设边缘节点；
若实时判断到所述目标矩阵对应的矩阵类型为边缘节点位置矩阵，则通过第二存储策略将所述交互数据传输至第二预设边缘节点，所述第一缓存策略和所述第二缓存策略均具有唯一性。
具体的，在本实施例中，还需要说明的是，为了能够进一步根据获取到的交互类型将交互数据传输至对应的边缘计算节点，具体解决方法如下：
1、将问题p分解为子任务，这里/>表示总共有G组边缘节点；
2、初始化索引g为1，表示从第一组边缘节点开始；
3、计算第g组边缘节点的缓存空间Cg它是从m到m＋δ的节点缓存空间之和；
4、对于每一个组的子任务pg，首先初始化一个策略Sg；
5、进一步，对于子任务内的每一个视频，遍历每个背景视频片段/>，如果：
1.组g的剩余缓存空间Cg足够；
2.用户v在请求了第b个视频的第ψ个片段并且该视频在第m个节点范围内；
3.并且该片段没有被缓存到第m个节点；
6、则设置用户v在时间片τ的内容将被缓存（置为1）；
7、进一步更新组g的剩余缓存空间C* g，减去用户v在视频片段片τ的请求数据大小乘以该内容是否被缓存的指示变量/>，即/>；
8、处理下一个片段；
9、如果不满足这三个条件，则不缓存该片段，并且需要更新当前组的缓存策略Sg；
10、继续执行，直到所有用户和所有时间片都被遍历完。
11、最后，所有组的缓存策略合并形成最终的缓存矩阵V。
这个算法主要关注如何根据用户的内容请求和节点之间的共享缓存空间来优化VR内容的缓存决策。目的是在满足用户动态变化的内容需求的同时，最小化缓存更新的开销。通过将缓存问题分解成若干子问题，每个子问题都可以独立求解，从而提高了算法的效率。通过上述方式能够有效的提升数据处理效率，同时能够准确的确定出需要的缓存策略，对应降低了画面的显示延迟，同步提升了用户的使用体验。
第三实施例
进一步的，所述对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片的步骤包括：
当分别获取到需要的前台内容以及背景内容时，实时检测出所述前台内容中包含的若干第一图块，并实时检测出所述背景内容中包含的若干第二图块；
对每一所述第一图块分别添加对应的第一标识，并对每一所述第二图块分别添加对应的第二标识；
根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
另外，在本实施例中，需要说明的是，为了能够准确有效的生成需要的初始图片，会对实时获取到的每个第一图块添加对应的第一标识，对每个获取到的第二图块添加第二标识，以进一步通过第一标识以及第二标识完成上述前台内容以及背景内容的图块合成处理，并生成需要的初始图片。
进一步的，还需要说明的是，为了满足VR用户动态内容需求，低开销的缓存更新是关键。基于内容需求和节点共享的缓存策略可以在一定程度上实现VR背景内容分发的大时间尺度管理，但是用户对VR内容的需求是动态变化的，这种变化不仅依赖于时间维度上的序列模式，也依赖于空间维度上的内容场景。在探索背景内容时间变化模式的基础上，本发明打算使用图神经网络学习其背景内容的时间变化模式，并设计最小成本的内容更新策略，以实现背景内容缓存的小时间尺度优化。
1、记W（A）为VR背景内容用户请求记录，用户下一时刻请求内容为W(A) *，显然用户请求内容依赖于上一次请求的内容，也依赖于空间维度上背景内容的空间拓扑，用户下一时刻内容请求是缓存更新的重要依据。在本发明中，我们建议使用深度学习方法来预测用户内容请求。考虑到内容请求的时间序列特征和内容的空间拓扑依赖特征，采用基于图神经网络的方法学习和预测内容的时空变化规律。
2、在下列公式中，H是VR背景内容的空间拓扑，本发明中场景空间是二维连通图。则基于图神经网络的预测模型的目标可以写为：
3、基于预测的用户内容需求，将缓存更新策略记为R，通过使用策略R更新缓存得到新的内容缓存矩阵S*，从而可以将缓存更新内容是否能够满足下一个时刻的用户需求写入为P*的函数：
4、另外，设为缓存更新成本，/>为每单位内容的缓存更新消耗，则基于缓存更新策略的缓存更新成本写为：
5、缓存更新的目标是最小化内容更新的成本和最大化用户内容缓存需求，最终将问题建模为最大-最小优化问题,其中是一个可选择函数：
6、本发明为了解决上述问题，将定义一个线性加权函数，其中/>和/>分别是效用函数和更新代价的权值。
7、通常求解最大-最小问题用梯度下降上升法(GDA)，但在我们的问题中，每个变量都是离散的，用梯度下降上升法求解非常困难。如果使用穷举搜索的方法也极其复杂。为了解决这个问题，我们根据最近的QoE定义了期望QoE值，最后将优化问题转化为如下问题：
进一步的，还需要说明的是，具体解决步骤如下：
步骤：
1. 对于中的所有VR视频进行循环。
2. 对于所有片段ψ进行循环。
3. 根据约束1（公式12）和预测的用户内容需求确定/>。
4. 结束内部循环。
5. 结束外部循环。
6. 初始化和/>。
7. 对于M中的每个m进行循环。
8. 对于从ψ开始到ψ加上的时间范围进行循环。
9. 如果的剩余空间大于0且/>指示当前片段需要更新，则将/>设置为1。
10. 更新为/>减去所有用户对所有片段的请求大小乘以该片段是否更新的指示变量/>。
11.ψ增加。
12. 如果不更新，则将设置为0。
13. 更新缓存策略v。
14. 结束内部循环。
15. 结束外部循环。
基于当前内容需求和边缘节点网络拓扑结构，实现了基于用户内容需求和边缘节点共享的高效内容缓存;基于图神经网络预测用户内容需求，在满足用户内容需求的基础上以最小成本更新内容，最终实现VR内容长时间缓存和小时间优化的管理目标。
进一步的，所述根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片的步骤包括：
根据所述第一标识实时生成与若干所述第一图块对应的第一序列表，并根据所述第二标识实时生成与若干所述第二图块对应的第二序列表，所述第一序列表和所述第二序列表均具有唯一性；
实时构建出所述第一序列表与所述第二序列表之间的映射关系，并基于所述映射关系对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
另外，在本实施例中，还需要说明的是，在通过上述步骤分别获取到需要的第一标识以及第二标识之后，为了便于后续的合成，此时还需要基于当前第一标识实时生成与当前若干第一图块对应的第一序列表，对应的，根据当前第二标识实时生成与当前若干第二图块对应的第二序列表。进一步的，实时构建出当前第一序列表与第二序列表之间的一对一的映射关系，并进一步根据该映射关系就能够将上述前台内容以及背景内容合成在一起，从而能够生成需要的初始图片，以便于后续的处理。
第四实施例
进一步的，所述方法还包括：
当分别获取到所述前台内容以及所述背景内容时，将所述前台内容和所述背景内容均上传至预设云服务器中，所述云服务器中包含有所述第一缓存策略以及所述第二缓存策略；
在所述预设云服务器中对所述前台内容以及所述背景内容进行需求评估处理，以对应判定出所述前台内容和所述背景内容对应所述第一缓存策略或者对应所述第二缓存策略，且对所述前台内容以及所述背景内容进行加密处理。
其中，在本实施例中，需要指出的是，为了便于匹配出需要的缓存策略，在通过上述步骤实时获取到需要的前台内容以及背景内容之后，此时可以进一步将当前两种数据上传至预先设置好的云服务器中，与此同时，在该云服务器中对当前两种内容进行需求评估处理，并最终判断出是需要采用上述第一缓存策略还是第二缓存策略，以便于后续的处理。
第五实施例
进一步的，所述对所述前台内容以及所述背景内容进行加密处理的步骤包括：
当实时接收到所述前台内容以及所述背景内容时，实时提取出所述前台内容以及所述背景内容中包含的目标数字以及目标字母，并对所述目标数字以及目标字母进行随机排列组合，以生成若干对应的序列代码；
随机选取出一所述序列代码作为所述前台内容以及所述背景内容的加密密钥，以对应完成所述前台内容以及所述背景内容的保密处理。
其中，在本实施例中，需要指出的是，在通过上述步骤将实时获取到的前台内容以及背景内容上传至云服务器之后，为了能够实现动态的加密处理，此时还需要进一步实时提取出当前前台内容以及背景内容中所分别包含的目标数字以及目标字母，与此同时，对当前若干目标数字以及目标字母进行随机排列组合，并能够对应组合出若干需要的序列代码。
进一步的，只需要在当前若干序列代码中随机选取出一个，就能够直接作为上述前台内容以及背景内容的加密密钥，以对应完成保密处理。
请参阅图4，本发明第六实施例提供了：
一种虚拟现实实现系统，其中，所述系统包括：
采集模块，用于当实时检测到用户佩戴VR设备时，通过所述VR设备实时采集用户输入的交互数据，并实时检测出所述交互数据的交互类型；
解析模块，用于根据所述交互类型将所述交互数据传输至对应的边缘计算节点中，并通过所述边缘计算节点将所述交互数据输入至对应的AI引擎中，以通过所述AI引擎实时解析出所述交互数据中包含的前台内容；
合成模块，用于实时匹配出与所述前台内容对应的背景内容，并对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片，所述前台内容和所述背景内容均包含有若干图块；
渲染模块，用于将所述初始图片对应反馈至所述VR设备中，并通过所述VR设备对所述初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。
进一步的，所述解析模块具体用于：
基于预设规则实时计算出与所述交互数据对应的目标矩阵，并实时判定出所述目标矩阵对应的矩阵类型，所述矩阵类型包括用户需求矩阵以及边缘节点位置矩阵；
实时构建出每一所述矩阵类型与每一所述交互类型之间的映射关系，并基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点。
进一步的，所述解析模块具体用于：
若实时判断到所述目标矩阵对应的矩阵类型为用户需求矩阵，则通过第一缓存策略将所述交互数据传输至第一预设边缘节点；
若实时判断到所述目标矩阵对应的矩阵类型为边缘节点位置矩阵，则通过第二存储策略将所述交互数据传输至第二预设边缘节点，所述第一缓存策略和所述第二缓存策略均具有唯一性。
进一步的，所述合成模块具体用于：
当分别获取到需要的前台内容以及背景内容时，实时检测出所述前台内容中包含的若干第一图块，并实时检测出所述背景内容中包含的若干第二图块；
对每一所述第一图块分别添加对应的第一标识，并对每一所述第二图块分别添加对应的第二标识；
根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
进一步的，所述合成模块还具体用于：
根据所述第一标识实时生成与若干所述第一图块对应的第一序列表，并根据所述第二标识实时生成与若干所述第二图块对应的第二序列表，所述第一序列表和所述第二序列表均具有唯一性；
实时构建出所述第一序列表与所述第二序列表之间的映射关系，并基于所述映射关系对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
进一步的，所述虚拟现实实现系统还包括加密模块，所述加密模块具体用于：
当分别获取到所述前台内容以及所述背景内容时，将所述前台内容和所述背景内容均上传至预设云服务器中，所述云服务器中包含有所述第一缓存策略以及所述第二缓存策略；
在所述预设云服务器中对所述前台内容以及所述背景内容进行需求评估处理，以对应判定出所述前台内容和所述背景内容对应所述第一缓存策略或者对应所述第二缓存策略，且对所述前台内容以及所述背景内容进行加密处理。
进一步的，所述加密模块具体用于：
当实时接收到所述前台内容以及所述背景内容时，实时提取出所述前台内容以及所述背景内容中包含的目标数字以及目标字母，并对所述目标数字以及目标字母进行随机排列组合，以生成若干对应的序列代码；
随机选取出一所述序列代码作为所述前台内容以及所述背景内容的加密密钥，以对应完成所述前台内容以及所述背景内容的保密处理。
本发明第七实施例提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上面所述的虚拟现实实现方法。
本发明第八实施例提供了一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上面所述的虚拟现实实现方法。
综上所述，本发明上述实施例提供的虚拟现实实现方法及系统能够实现高效率、低延迟的VR显示效果，对应提升了用户的使用体验。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种虚拟现实实现方法，其特征在于，所述方法包括：
当实时检测到用户佩戴VR设备时，通过所述VR设备实时采集用户输入的交互数据，并实时检测出所述交互数据的交互类型；
根据所述交互类型将所述交互数据传输至对应的边缘计算节点中，并通过所述边缘计算节点将所述交互数据输入至对应的AI引擎中，以通过所述AI引擎实时解析出所述交互数据中包含的前台内容；
实时匹配出与所述前台内容对应的背景内容，并对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片，所述前台内容和所述背景内容均包含有若干图块；
将所述初始图片对应反馈至所述VR设备中，并通过所述VR设备对所述初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。
2.根据权利要求1所述的虚拟现实实现方法，其特征在于：所述根据所述交互类型将所述交互数据传输至对应的边缘计算节点中的步骤包括：
基于预设规则实时计算出与所述交互数据对应的目标矩阵，并实时判定出所述目标矩阵对应的矩阵类型，所述矩阵类型包括用户需求矩阵以及边缘节点位置矩阵；
实时构建出每一所述矩阵类型与每一所述交互类型之间的映射关系，并基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点。
3.根据权利要求2所述的虚拟现实实现方法，其特征在于：所述基于所述映射关系实时检测出与所述交互数据对应的交互类型，以根据所述交互类型将所述交互数据传输至对应的边缘计算节点的步骤包括：
若实时判断到所述目标矩阵对应的矩阵类型为用户需求矩阵，则通过第一缓存策略将所述交互数据传输至第一预设边缘节点；
若实时判断到所述目标矩阵对应的矩阵类型为边缘节点位置矩阵，则通过第二存储策略将所述交互数据传输至第二预设边缘节点，所述第一缓存策略和所述第二缓存策略均具有唯一性。
4.根据权利要求1所述的虚拟现实实现方法，其特征在于：所述对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片的步骤包括：
当分别获取到需要的前台内容以及背景内容时，实时检测出所述前台内容中包含的若干第一图块，并实时检测出所述背景内容中包含的若干第二图块；
对每一所述第一图块分别添加对应的第一标识，并对每一所述第二图块分别添加对应的第二标识；
根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
5.根据权利要求4所述的虚拟现实实现方法，其特征在于：所述根据所述第一标识以及所述第二标识对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片的步骤包括：
根据所述第一标识实时生成与若干所述第一图块对应的第一序列表，并根据所述第二标识实时生成与若干所述第二图块对应的第二序列表，所述第一序列表和所述第二序列表均具有唯一性；
实时构建出所述第一序列表与所述第二序列表之间的映射关系，并基于所述映射关系对所述前台内容以及所述背景内容进行图块合成处理，以对应生成所述初始图片。
6.根据权利要求3所述的虚拟现实实现方法，其特征在于：所述方法还包括：
当分别获取到所述前台内容以及所述背景内容时，将所述前台内容和所述背景内容均上传至预设云服务器中，所述云服务器中包含有所述第一缓存策略以及所述第二缓存策略；
在所述预设云服务器中对所述前台内容以及所述背景内容进行需求评估处理，以对应判定出所述前台内容和所述背景内容对应所述第一缓存策略或者对应所述第二缓存策略，且对所述前台内容以及所述背景内容进行加密处理。
7.根据权利要求6所述的虚拟现实实现方法，其特征在于：所述对所述前台内容以及所述背景内容进行加密处理的步骤包括：
当实时接收到所述前台内容以及所述背景内容时，实时提取出所述前台内容以及所述背景内容中包含的目标数字以及目标字母，并对所述目标数字以及目标字母进行随机排列组合，以生成若干对应的序列代码；
随机选取出一所述序列代码作为所述前台内容以及所述背景内容的加密密钥，以对应完成所述前台内容以及所述背景内容的保密处理。
8.一种虚拟现实实现系统，其特征在于，所述系统包括：
采集模块，用于当实时检测到用户佩戴VR设备时，通过所述VR设备实时采集用户输入的交互数据，并实时检测出所述交互数据的交互类型；
解析模块，用于根据所述交互类型将所述交互数据传输至对应的边缘计算节点中，并通过所述边缘计算节点将所述交互数据输入至对应的AI引擎中，以通过所述AI引擎实时解析出所述交互数据中包含的前台内容；
合成模块，用于实时匹配出与所述前台内容对应的背景内容，并对所述前台内容以及所述背景内容进行图块合成处理，以生成对应的初始图片，所述前台内容和所述背景内容均包含有若干图块；
渲染模块，用于将所述初始图片对应反馈至所述VR设备中，并通过所述VR设备对所述初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。
9.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的虚拟现实实现方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任意一项所述的虚拟现实实现方法。
CN202410316740.XA 2024-03-20 2024-03-20 一种虚拟现实实现方法及系统 Active CN117908684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410316740.XA CN117908684B (zh) 2024-03-20 2024-03-20 一种虚拟现实实现方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410316740.XA CN117908684B (zh) 2024-03-20 2024-03-20 一种虚拟现实实现方法及系统

Publications (2)

Publication Number Publication Date
CN117908684A true CN117908684A (zh) 2024-04-19
CN117908684B CN117908684B (zh) 2024-06-18

Family

ID=90689386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410316740.XA Active CN117908684B (zh) 2024-03-20 2024-03-20 一种虚拟现实实现方法及系统

Country Status (1)

Country Link
CN (1) CN117908684B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015096806A1 (zh) * 2013-12-29 2015-07-02 刘进 智能机姿态测定、全景影像生成及目标识别方法
CN107508826A (zh) * 2017-09-14 2017-12-22 阿里巴巴集团控股有限公司 基于vr场景的认证方法、装置、vr终端及vr服务端
US20180225805A1 (en) * 2017-02-09 2018-08-09 Jaunt Inc. Generating Virtual Reality Content Based on Corrections to Stitching Errors
US10551993B1 (en) * 2016-05-15 2020-02-04 Google Llc Virtual reality content development environment
CN112182350A (zh) * 2020-09-27 2021-01-05 中国建设银行股份有限公司 基于内容库的交互方法、装置、服务器及存储介质
WO2022052481A1 (zh) * 2020-09-08 2022-03-17 平安科技（深圳）有限公司 基于人工智能的vr互动方法、装置、计算机设备及介质
CN114630101A (zh) * 2021-09-30 2022-06-14 海信视像科技股份有限公司 显示设备、vr设备及虚拟现实应用内容的显示控制方法
CN114710682A (zh) * 2022-04-02 2022-07-05 体奥动力(北京)体育传播有限公司 赛事现场的虚拟现实视频处理方法、装置和电子设备
CN114971818A (zh) * 2022-08-02 2022-08-30 广东志远科技有限公司 一种智慧餐厅数据存储处理方法及系统
JP2023132381A (ja) * 2022-03-10 2023-09-22 広海 大谷 インターネットのサービスとセキュリティとａｉ

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015096806A1 (zh) * 2013-12-29 2015-07-02 刘进 智能机姿态测定、全景影像生成及目标识别方法
US10551993B1 (en) * 2016-05-15 2020-02-04 Google Llc Virtual reality content development environment
US20180225805A1 (en) * 2017-02-09 2018-08-09 Jaunt Inc. Generating Virtual Reality Content Based on Corrections to Stitching Errors
CN107508826A (zh) * 2017-09-14 2017-12-22 阿里巴巴集团控股有限公司 基于vr场景的认证方法、装置、vr终端及vr服务端
WO2022052481A1 (zh) * 2020-09-08 2022-03-17 平安科技（深圳）有限公司 基于人工智能的vr互动方法、装置、计算机设备及介质
CN112182350A (zh) * 2020-09-27 2021-01-05 中国建设银行股份有限公司 基于内容库的交互方法、装置、服务器及存储介质
CN114630101A (zh) * 2021-09-30 2022-06-14 海信视像科技股份有限公司 显示设备、vr设备及虚拟现实应用内容的显示控制方法
JP2023132381A (ja) * 2022-03-10 2023-09-22 広海 大谷 インターネットのサービスとセキュリティとａｉ
CN114710682A (zh) * 2022-04-02 2022-07-05 体奥动力(北京)体育传播有限公司 赛事现场的虚拟现实视频处理方法、装置和电子设备
CN114971818A (zh) * 2022-08-02 2022-08-30 广东志远科技有限公司 一种智慧餐厅数据存储处理方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘秀玲;杜欢平;杨国杰;王洪瑞;郭磊;: "分布式多交互虚拟场景渲染的协同控制", 计算机工程与应用, no. 29, 11 October 2009 (2009-10-11) *
胡勇;武殿梁;范秀敏;: "支持并行渲染的虚拟现实开发平台", 系统仿真学报, no. 15, 5 August 2009 (2009-08-05) *

Also Published As

Publication number Publication date
CN117908684B (zh) 2024-06-18

Similar Documents

Publication Publication Date Title
Dai et al. A view synthesis-based 360° VR caching system over MEC-enabled C-RAN
Sun et al. Communications, caching, and computing for mobile virtual reality: Modeling and tradeoff
Zhang et al. Toward Green Metaverse Networking: Technologies, Advancements, and Future Directions
WO2015035089A1 (en) Estimating depth from a single image
KR20120093981A (ko) 증강 현실에서 동적 모델링에 의한 강건한 대상 인식
CN109887098A (zh) 一种基于分布式计算的web AR数据呈现方式
Mora et al. Distributed architectures for intensive urban computing: a case study on smart lighting for sustainable cities
JP2022553252A (ja) 画像処理方法、画像処理装置、サーバ、及びコンピュータプログラム
Huang et al. Toward holographic video communications: a promising AI-driven solution
CN103650001A (zh) 动画分发服务器、动画播放装置、控制方法、程序、及记录介质
Wei et al. A hybrid control scheme for 360-degree dynamic adaptive video streaming over mobile devices
Li et al. An intelligent collaborative inference approach of service partitioning and task offloading for deep learning based service in mobile edge computing networks
Li et al. Toward Optimal Real-Time Volumetric Video Streaming: A Rolling Optimization and Deep Reinforcement Learning Based Approach
Liu et al. Rendered tile reuse scheme based on FoV prediction for MEC-assisted wireless VR service
Huang et al. ISCom: Interest-aware semantic communication scheme for point cloud video streaming
Chen et al. Macrotile: Toward QoE-aware and energy-efficient 360-degree video streaming
CN117908684B (zh) 一种虚拟现实实现方法及系统
CN112114968A (zh) 推荐方法、装置、电子设备及存储介质
CN115002516B (zh) 视频处理的系统、方法、电子设备、存储介质及程序产品
Wang et al. C3Meta: a context-aware cloud-edge-end collaboration framework toward green metaverse
CN113808157B (zh) 图像处理方法、装置、及计算机设备
Ahn et al. Scissionlite: Accelerating distributed deep neural networks using transfer layer
Huang et al. ISCom: Interest-aware Semantic Communication Scheme for Point Cloud Video Streaming on Metaverse XR Devices
Xia et al. Multi-MEC cooperation based VR video transmission and cache using K-shortest paths optimization
Debattista et al. Accelerating the Irradiance Cache through Parallel Component-Based Rendering.

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