P6 - Mobile VR on Edge Cloud A Latency-Driven Design.pdf
由於近年來VR產業的蓬勃發展，越來越多人研究VR相關領域。 然而有線的頭戴VR裝置相比無線的效果好很多。 所以這篇論文主要想優化及降低無線頭戴VR裝置的延遲時間，而利用的方法是MEC邊緣計算。
雖然有很多研究都提出可以提升無線VR裝置的方法，包括利用精簡型電腦、高頻毫米波、伺服器儲存全景圖等方法，但致命缺點都是沒辦法利用到及時串連的直播上。 然而這篇論文提出了邊緣計算的VR裝置，一方面減輕伺服器的負擔，一方面由於邊緣計算的伺服器架構離客戶端較近，可以應用在直播上，這也是MEC最近這幾年直播中利用到的技術。
MEC-VR裝置與其它現有的裝置最大的差別有三:一、它不需要利用到低延遲的區域網路，直接連到現有的4G/LTE網路即可。 二、它可以支援動態直播內容。 三、它不需要利用到視野預測，即不需要預先訓練用戶視野預測的資料集。
最後的實驗部分也證實了它們提出的MEC-VR裝置比現有的裝置來的優秀。 在特殊條件下(用戶端與伺服端連到同樣的4G/LTE網路下)最快可達到每秒30祯/8K畫質/motion-to-update的延遲時間達到100ms內。
它們提出了MEC-VR頭戴裝置，但教授提出兩個疑問: 一、8K的VR直播裝置的應用範圍在哪裡? 二、頭影片中第18頁顯示不同任務中的延遲時間，當中網路傳輸的平均延遲時間在50ms左右，當中利用LTE網路傳輸4K直播的傳輸時間就佔了82.1ms，占了人類可接受的motion-to-update latency:100ms內的大部分，且最後的延遲時間為175ms，成果並不如預期。
第一個問題，我認為人對解析度的追求一定是越來越高，雖然現在的直播不需要到那麼高的解析度，且8K畫質反而拖累了運算效率，真的是沒有什麼實際用途。 但或許未來可以應用在醫療上，在外科應用上，若是能清楚顯示器官，可能對醫生來說還是有所應用的吧!
第二個問題，它們提出的MEC-VR只有在當客戶端與伺服端在同一個區域網路下，才能達到最低的延遲，所以只有在理想情況下才能達到最低的延遲，雖然利用4G/LTE網路播放4K直播時，motion-to-update延遲達到175ms，但這已經比目前在同一解析度下(4K)最低的延遲了。 且未來它們會網利用新一代的5G網路加上邊緣計算，勢必可以在降低一定程度的延遲，且目前VR直播的解析度為1080p，若利用MEC-VR是可以把延遲控制在100ms內的。