.png){kind=icon}
.png){kind=icon}
返回
Collaborative edge learning-assisted interactive avatar generation framework for IoT-driven metaverse
.png){kind=icon}
PRE
AI
DOI：10.1016/j.iot.2025.101639.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
超5G（B5G）无线网络提供了与元宇宙服务的大规模物联网（IoT）集成，利用了高数据速率和低延迟能力。化身是元宇宙平台中的关键组成部分。创建一个利用基于物联网的人体姿态估计的交互式化身，通过使用集中式深度学习（DL）带来了显著挑战。联邦学习（FL）通过在边缘设备上实现本地训练并协同生成可靠模型，提供了解决方案。本研究提出了一种基于FL技术的边缘学习辅助人体活动识别（HAR）方法，并将其与物联网驱动的智能元宇宙平台集成，以创建交互式化身。该HAR框架使用红外阵列传感器设备捕捉人体手势，并通过一个名为AvatarNet的轻量级混合模型识别活动。实施了一个增强的数据分布和声誉感知（iDDR）客户端选择场景，以识别潜在客户端并提高模型性能。此外，开发了一个基于JavaScript和WebSocket协议的连接模块，以将HAR框架与Unreal Engine（UE）元宇宙平台集成。提出的模型使用我们的红外基HAR和公开数据集进行了测试，在准确性和模型复杂度方面优于现有最先进方法。测量结果表明，提出的模型实现了96.49%的准确率、94.84%的精确率、94.78%的召回率、94.80%的F1分数以及0.0431的MFLOPs计算量。