LEO-Related Papers in NSDI 2025¶
Tip
updated on 2026-02-02
(1) Otter: Efficient Multi-WAN Transport for 5G with OTTER
(2) MegaStation: Building massive MIMO baseband processing on a single-node supercomputer
(3) RENC: Towards energy efficient 5G vRAN servers
(4) Tooth: toward optimal balance of video QoE and redundancy cost by fine-grained FEC in cloud gaming streaming
(5) RegenHance: Region-based content enhancement for efficient video analytics at the edge
(6) LoopTailor: Dissecting and streamlining the interactive loop of mobile cloud gaming
(7) Mowgli: passively learned rate control for real-time video
(8) CellReplay: Towards accurate record-and-replay for cellular networks
Summary
NSDI25:
| 论文 | 核心 | 推荐系数 | 亮点与评价 |
|---|---|---|---|
| OTTER | 5G WAN 和 Cloud WAN "自适应多目标"流量调度系统 | 4 | 无需WAN之间任何额外协调, 完成路由和资源放置, 细粒度解决"多广域网流放置问题" |
| MegaStation | 大规模 MIMO vRAN 中, 严苛的计算需求与底层硬件并行性不匹配 | 4 | 将单节点超级计算机抽象为紧密耦合的微处理器 (1) MIMO vRAN 构成组件 + 流水线; (2) 流水线中各项任务的并行粒度不同; (3) 软/硬件并行性 |
| RENC | 动态降低低负载时段的 CPU 频率 | 3 | 技术很高级: 协同 MAC 层限速 + eBPF 反馈 deadline slack |
| Tooth | 快慢结合. 细粒度的逐帧 FEC | 1 | 纯纯黑魔法, 看来NSDI的确已逐渐infocom化 核心design: "快"选用随机森林, 每次视频编码器生成新帧时立即运行; "慢"采用CNN, 不需要逐帧运行 |
| RegenHance | 仅增强/缝合视频帧中对下游分析任务最有价值的局部, 实现高准确率/吞吐量兼顾的实时视频分析 | 1 | 黑魔法文章. OEC可能有用 核心: 增强/缝合局部宏块; 在计算资源受限的边缘设备 |
| LoopTailor | 本质是: Bypass VSync2 和 VSync3, 给云游戏省时间 | 3 | 本文写作功底了得, 非常值得借鉴! DTC可以参考写法 学习: VSync 背景知识; MCG 的网络时延不是btneck |
| Mowgli | 离线基于GCC遥测数据训练模型, 进行速率控制 | 2 | 有点大道至简的意味, 但design还是有点黑魔法 逻辑很清晰: GCC的数据准, Online对用户影响大, 模拟效果不如真实 --> 真实 + 基于 GCC 数据 + Offline 训练 |
| CellReplay | "轻/重插值+自动化调参"解决蜂窝网络动态负载高保真仿真问题 | 5 | 任务关联度极高, 文章肯定要拿来引用了! 核心: mahimahi无法准确反映蜂窝网络在不同负载下的性能变化, 误差很大, 影响很严重 创新: 基于负载的双重录制与插值重放, 自动化参数校准 学习点: 写作手法 + 插值设计 + 调参的原则/idea |