Sintesi Tecnica: Allocazione dei Bit a Peso di Chiarezza per i Downlink Satellitari

Definizione del Problema

I satelliti per l'osservazione della Terra catturano una quantità di immagini significativamente superiore a quella che i loro intermittenti contatti con terra possono trasmettere. Gli attuali sistemi di bordo impiegano tipicamente una pipeline "detect-then-drop" (rileva e scarta): un rilevatore di nuvole stabilisce una soglia per il frame e, se la copertura nuvolosa supera un limite prestabilito, l'intero frame o specifici tile vengono scartati prima della codifica sorgente. Questo approccio soffre di due criticità fondamentali:

1. Falsi Positivi: L'analisi delle immagini etichettate da esperti mostra che queste regole scartano più di un quinto dei pixel chiari, principalmente a causa dei falsi positivi del rilevatore.
2. Allocazione Subottimale dei Bit: Anche quando i frame vengono mantenuti, i convenzionali metodi di compressione appresa trattano tutti i pixel allo stesso modo o ottimizzano le rappresentazioni latenti senza considerare il valore semantico delle regioni chiare rispetto a quelle nuvolose. Non riallocano i bit sorgente dalle aree nuvolose al terreno chiaro, né gestiscono dinamicamente i byte di downlink tra molteplici acquisizioni con diverse scadenze.

Inoltre, gli scheduler esistenti utilizzano spesso un servizio a due stadi fisso (servire prima i livelli base, poi i raffinamenti) che non riesce a tenere conto congiuntamente del lavoro non completato sia per le scadenze base che per quelle complete, portando a opportunità mancate di consegna di contenuti chiari utilizzabili durante i contatti interrotti.

Metodologia

La soluzione proposta integra un codec sorgente appreso a peso di chiarezza con uno scheduler causale basato sulla pressione della scadenza.

1. Codifica Progressiva a Peso di Chiarezza

Gli autori propongono un codec neurale che rialloca i bit verso il terreno chiaro senza richiedere un passaggio separato di rilevamento delle nuvole durante l'operatività o la trasmissione di una mappa delle nuvole.

• Addestramento: Il codec è addestrato utilizzando le probabilità di nuvolosità per pixel ($q_i$) derivate da un rilevatore di nuvole congelato. La perdita di ricostruzione è pesata da $w_i = 1 - q_i$, penalizzando più pesantemente gli errori sulle aree di probabile terreno chiaro rispetto alle regioni nuvolose.
• Inferenza e Valore Semantico: Durante l'operatività, il codec stima il conteggio dei pixel chiari ($v_i$) per ogni acquisizione utilizzando una leggera lettura convoluzionale sulle caratteristiche di iper-sintesi interne dell'encoder. Ciò fornisce un "valore semantico nativo del codec" senza un passaggio di rilevamento separato.
• Struttura Progressiva: Ogni acquisizione è codificata in un livello base riprendibile (iper-latente e ancore di ancoraggio) e un livello di raffinamento dipendente (ancore non di ancoraggio). Ciò consente che la trasmissione possa essere interrotta e ripresa in seguito.
• Allocazione del Rate: Teoricamente, questo pesatura sposta l'allocazione ideale del rate, riducendo la distorsione e aumentando il rate per le coordinate con pesi di chiarezza effettiva più elevati.

2. Scheduling a Pressione di Scadenza Max Weight (DPMW)

Il sistema impiega uno scheduler causale che classifica i livelli arrivati in base a:

• Valore Nativo del Codec ($v_i$): Il conteggio stimato dei pixel chiari.
• Lavoro Non Completato: I byte rimanenti per i livelli base ($b_i$) e di raffinamento ($e_i$).
• Margine di Scadenza (Slack): Il tempo rimanente fino alle scadenze base ($d^B_i$) e complete ($d^F_i$).
• Pressione Aggregata della Scadenza: Il sistema calcola la pressione aggregata ($P_B$ e $P_F$) che rappresenta il tasso di servizio richiesto dai basi incompleti e dalle consegne complete fattibili.

Lo scheduler calcola un peso $W_i$ per ogni livello, dando priorità agli elementi preziosi che richiedono meno byte residui e che sono sotto maggiore pressione di scadenza. Supporta la ripresa dei pacchetti, i limiti di memoria e le politiche di espulsione che danno priorità agli elementi di alto valore.

3. Ottimizzazione di Bordo

L'implementazione è ottimizzata per acceleratori embedded con risorse limitate (es. NVIDIA Jetson Orin Nano). Le tecniche includono l'indicizzazione vettorizzata delle tabelle, il replay di CUDA Graph per il calcolo neurale e il caching degli indici dell'iper-latente per garantire che il tempo di servizio dell'encoder rimanga entro le scadenze dell'intervallo di acquisizione.

Contributi Chiave

1. Codifica Sorgente Appresa a Peso di Chiarezza: Un metodo che utilizza le probabilità di nuvolosità per pixel durante l'addestramento per allocare i bit sorgente verso il terreno chiaro, riducendo i byte trasmessi pur mantenendo la qualità delle zone chiare.
2. Interfaccia Progressiva Nativa del Codec: Un design di rete che produce un livello base riprendibile, un livello di raffinamento e un valore semantico nativo del codec (conteggio dei pixel chiari) derivato dalle caratteristiche interne, eliminando la necessità di un separato rilevatore di bordo.
3. Scheduling Causale a Due Scadenze (DPMW): Una politica di scheduling che classifica i livelli in base al valore semantico, al lavoro non completato e al margine di scadenza, ottimizzando congiuntamente per le scadenze base e complete senza previsioni future della capacità.

Risultati

Efficienza della Codifica Sorgente

• Riduzione dei Bit: A parità di qualità di ricostruzione della regione chiara, il codec a peso di chiarezza richiede il 47,8% in meno di byte rispetto ai baseline di compressione appresa (ELIC) e il 39,0% in meno di byte rispetto a una versione dello stesso'architettura priva di consapevolezza delle nuvole.
• Evitamento della Cancellazione: A differenza delle regole di cancellazione dei frame (CloudScout, Earth+), che eliminano circa il 21–30% dei pixel chiari a causa dei falsi positivi, l'approccio a peso di chiarezza codifica ogni frame, ottenendo lo zero di cancellazione dei pixel chiari al momento dell'acquisizione.
• Effetti per Immagine: Per scene prevalentemente nuvolose, il metodo riduce l'uso di byte di circa il 77% mantenendo la qualità per le piccole regioni chiare presenti.

Prestazioni dello Scheduling

• Miglioramento della Consegna: In scenari di contatto interrotto, lo scheduler DPMW aumenta la consegna della scadenza-completa (ricostruzione completa del contenuto chiaro) dal 38,1% (servizio a due stadi fisso) all' 83,5%.
• Ottimalità: Lo scheduler raggiunge l' 83,6% di un limite superiore chiaroveggente certificato (che ha accesso agli arrivi e alle capacità future).
• Consegna Utilizzabile: Supera anche i riferimenti di ordine (EDF, valore nativo) nella consegna della scadenza-utilizzabile (completamento del livello base), consegnando 5,22 punti percentuali in più di contenuto chiaro rispetto al servizio a due stadi fisso durante le interruzioni.

Prestazioni di Bordo

• Latenza ed Energia: Il tempo di servizio dell'encoder ottimizzato su Jetson Orin Nano è di 19,89 ms (p99), ben al di sotto del target di 33 ms derivato dagli intervalli di acquisizione.
• Efficienza: L'encoder ottimizzato consuma meno tempo ed energia di un singolo passaggio del rilevatore di nuvole standalone utilizzato nelle tradizionali regole di cancellazione dei frame. Il rapporto energia del rilevatore-encoder varia da 2,21 a 6,78, indicando che il metodo proposto è computazionalmente più efficiente dell'alternativa "detect-then-drop".

Significato e Rivendicazioni

Il documento afferma di essere il primo sistema di immagini satellitari che combina l'allocazione della sorgente a peso di chiarezza in fase di addestramento con il servizio causale a più contatti di byte base e di raffinamento riprendibili utilizzando un valore semantico nativo del codec.

La significatività risiede nello spostamento del paradigma dalla cancellazione di dati potenzialmente utili (frame/tile) alla riallocazione intelligente della limitata larghezza di banda del downlink verso il contenuto più prezioso (terreno chiaro). Integrando il valore semantico direttamente nel codec e nello scheduler, il sistema evita l'overhead di passaggi di rilevamento separati e le inefficienze delle politiche di scheduling fisse. Gli autori sottolineano che, sebbene non rivendichino come contributo di ricerca originale le ottimizzazioni ingegneristiche (come la calibrazione del percorso di codifica entropica), rilasciano tali implementazioni per garantire confronti equi. Il sistema dimosta che preservare la qualità della regione chiara è realizzabile con costi di larghezza di banda e computazionali significativamente inferiori rispetto ai metodi di elaborazione di bordo allo stato dell'arte attuale.