Resumo Técnico: Alocação de Bits com Pesagem de Clareza para Downlinks de Satélite

Definição do Problema

Satélites de observação da Terra capturam significativamente mais imagens do que seus contatos intermitentes com o solo podem transmitir. Os sistemas embarcados atuais tipicamente empregam um pipeline de "detectar-então-descartar": um detector de nuvens estabelece um limiar para um quadro e, se a cobertura de nuvens exceder um limite definido, o quadro inteiro ou blocos específicos são descartados antes da codificação de origem. Esta abordagem sofre de duas ineficiências críticas:

1. Falsos Positivos: A análise de imagens rotuladas por especialistas mostra que estas regras descartam mais de um quinto dos pixels claros, principalmente devido a falsos positivos do detector.
2. Alocação Subótima de Bits: Mesmo quando os quadros são retidos, os métodos de compressão aprendidos convencionais tratam todos os pixels igualmente ou otimizam representações latentes sem considerar o valor semântico de regiões claras versus nubladas. Eles não realocam bits de origem de áreas nubladas para o solo claro, nem gerenciam dinamicamente os bytes de downlink entre múltiplas capturas com diferentes prazos.

Além disso, os escalonadores existentes frequentemente utilizam um serviço de dois estágios fixo (servindo primeiro as camadas base, depois os refinamentos) que falha em considerar conjuntamente o trabalho inacabado tanto para prazos base quanto para prazos totais, levando a oportunidades perdidas de entrega de conteúdo claro utilizável durante contatos interrompidos.

Metodologia

A solução proposta integra um codec de origem com pesagem de clareza aprendido com um escalonador de pressão de prazo causal.

1. Codificação Progressiva com Pesagem de Clareza

Os autores propõem um codec neural que realoca bits em direção ao solo claro sem exigir uma passagem separada de detector de nuvens durante a operação ou a transmissão de um mapa de nuvens.

• Treinamento: O codec é treinado usando probabilidades de nuvem por pixel ($q_i$) derivadas de um detector de nuvens congelado. A perda de reconstrução é ponderada por $w_i = 1 - q_i$, penalizando erros em solo provavelmente claro mais severamente do que em regiões nubladas.
• Inferência e Valor Semântico: Durante a operação, o codec estima a contagem de pixels claros ($v_i$) para cada captura usando uma leitura convolucional leve nas características de hiper-síntese internas do codificador. Isso fornece um "valor semântico nativo do codec" sem a necessidade de um passo de detecção separado.
• Estrutura Progressiva: Cada captura é codificada em uma camada base retomável (hiperlatente e âncoras de âncora) e uma camada de refinamento dependente (âncoras não-âncoras). Isso permite que a transmissão seja interrompida e retomada posteriormente.
• Alocação de Taxa: Teoricamente, esta pesagem desloca a alocação de taxa ideal, reduzindo a distorção e aumentando a taxa para coordenadas com pesos de clareza efetivos mais altos.

2. Escalonamento de Peso Máximo de Pressão de Prazo (DPMW)

O sistema emprega um escalonador causal que classifica as camadas recebidas com base em:

• Valor Nativo do Codec ($v_i$): A contagem estimada de pixels claros.
• Trabalho Inacabado: Os bytes restantes para as camadas base ($b_i$) e de refinamento ($e_i$).
• Folga de Prazo (Slack): O tempo restante até os prazos base ($d^B_i$) e total ($d^F_i$).
• Pressão de Prazo Agregada: O sistema calcula a pressão agregada ($P_B$ e $P_F$) representando a taxa de serviço necessária pelas bases incompletas e pelas entregas totais viáveis.

O escalonador computa um peso $W_i$ para cada camada, priorizando itens valiosos que requerem menos bytes residuais e que estão sob maior pressão de prazo. Ele suporta retomada de pacotes, limites de armazenamento e políticas de expulsão que priorizam itens de alto valor.

3. Otimização Embarcada

A implementação é otimizada para aceleradores embarcados de recursos restritos (ex: NVIDIA Jetson Orin Nano). As técnicas incluem indexação de tabela vetorizada, replay de CUDA Graph para computação neural e cache de índices de hiperlatentes para garantir que o tempo de serviço do codificador permança dentro dos prazos do intervalo de captura.

Principais Contribuições

1. Codificação de Origem com Pesagem de Clareza Aprendida: Um método que utiliza probabilidades de nuvem por pixel durante o treinamento para alocar bits de origem em direção ao solo claro, reduzindo os bytes transmitidos enquanto mantém a qualidade da região clara.
2. Interface Nativa do Codec Progressiva: Um design de rede que produz uma camada base retomável, uma camada de refinamento e um valor semântico nativo do codec (contagem de pixels claros) derivado de características internas, eliminando a necessidade de um detector separado embarcado.
3. Escalonamento Causal de Dois Prazos (DPMW): Uma política de escalonamento que classifica camadas por valor semântico, trabalho inacabado e folga de prazo, otimizando conjuntamente para prazos base e totais sem previsões de capacidade futura.

Resultados

Eficiência de Codificação de Origem

• Redução de Bits: Em qualidade de reconstrução de região clara equivalente, o codec com pesagem de clareza requer 47,8% menos bytes do que as linhas de base de compressão aprendida (ELIC) e 39,0% menos bytes do que uma versão da mesma arquitetura agnóstica a nuvens.
• Evitação de Deleção: Ao contrário das regras de exclusão de quadros (CloudScout, Earth+), que deletam ~21–30% dos pixels claros devido a falsos positivos, a abordagem com pesagem de clareza codifica todos os quadros, alcançando zero deleção de pixels claros no momento da captura.
• Efeitos por Imagem: Para cenas predominantemente nubladas, o método reduz o uso de bytes em ~77%, mantendo a qualidade para as pequenas regiões claras presentes.

Desempenho de Escalonamento

• Melhoria na Entrega: Em cenários de contato interrompido, o escalonador DPMW aumenta a entrega de prazo-total (reconstrução completa do conteúdo claro) de 38,1% (serviço de dois estágios fixo) para 83,5%.
• Otimalidade: O escalonador atinge 83,6% de um limite superior clairvoyant certificado (que possui acesso a chegadas futuras e capacidades).
• Entrega Utilizável: Ele também supera ordens de referência (EDF, valor nativo) em entrega de prazo-utilizável (conclusão da camada base), entregando 5,22 pontos percentuais a mais de conteúdo claro do que o serviço de dois estágios fixo durante interrupções.

Desempenho Embarcado

• Latência e Energia: O tempo de serviço do codificador otimizado no Jetson Orin Nano é de 19,89 ms (p99), bem abaixo do alvo de 33 ms derivado dos intervalos de captura.
• Eficiência: O codificador otimizado consome menos tempo e energia do que uma única passagem do detector de nuvens independente usado nas regras tradicionais de exclusão de quadros. A razão de energia detector-para-codificador varia de 2,21 a 6,78, indicando que o método proposto é computacionalmente mais eficiente que a alternativa "detectar-então-descartar".

Significância e Alegações

O artigo afirma ser o primeiro sistema de imagens de satélite a combinar a alocação de origem com pesagem de clareza em tempo de treinamento com o serviço de múltiplos contatos causal de bytes de base e refinamento retomáveis usando um valor semântico nativo do codec.

A significância reside na mudança de paradigma de descartar dados potencialmente úteis (quadros/blocos) para realocar inteligentemente a largura de banda limitada de downlink em direção ao conteúdo mais valioso (solo claro). Ao integrar o valor semântico diretamente no codec e no escalonador, o sistema evita o overhead de passagens de detecção separadas e as ineficiências de políticas de escalonamento fixas. Os autores enfatizam que, embora não reivindiquem otimizações de engenharia (como o ajuste do caminho de codificação de entropia) como contribuições de pesquisa inéditas, eles liberam essas implementações para garantir comparações justas. O sistema demonstra que preservar a qualidade da região clara é alcançável com custo computacional e de largura de banda significativamente menores do que os métodos atuais de processamento embarcado de última geração.