Cross-Layer MIMO Transceiver Optimization for Multimedia Streaming in Interference Networks
在本文中,我们考虑动态预编码器/解相关器优化多媒体流在MIMO干扰网络。我们提出了一个真正的跨层框架的意义上说,优化目标是应用程序级的多媒体流的性能指标,即播放中断和缓冲区溢出的概率。优化变量是发射机和接收机处的MIMO预编码器/解相关器,其适应于瞬时信道条件和回放队列长度。该问题是一个具有挑战性的多维随机优化问题,暴力求解具有指数复杂性。利用问题的时间尺度分离和特殊结构,我们得到了基于连续时间扰动的价值函数的封闭形式近似。使用这种近似,我们提出了一种低复杂度的动态MIMO预编码器/解相关器控制算法,通过解决一个等效的加权MMSE问题。我们还建立了低复杂度控制算法渐近最优的技术条件。最后,通过仿真将所提出的方案与各种基线进行比较,结果表明可以实现显着的性能增益。
2013-12-11 cs.IT cs.MM math.IT
MultiMoQ: Multi-Access Media-Over-QUIC for Robust Immersive Video Streaming
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
本文提出基于MoQ的多接入分块流框架MultiMoQ,通过重新设计传输机制提升沉浸式视频流的鲁棒性,经仿真验证其在吞吐量、延迟及播放连续性上优于DASH和标准MoQ。
2026-08-07 cs.MM cs.NI
Anticipatory Buffer Control and Quality Selection for Wireless Video Streaming
最近的研究表明,移动用户对视频流的需求很高。然而,在蜂窝网络中,不可靠的无线信道导致两个主要问题。当用户无法充分填充其本地播放缓冲区时,较差的通道状态会降低视频质量并中断播放:发生缓冲区欠载。与此相反,良好的信道条件会导致常见的贪婪缓冲方案堆积非常长的缓冲区。这种过度缓冲浪费了昂贵的无线信道容量。为了保持缓冲的平衡,我们采用了一种新的方法。假设我们可以预测数据率,我们提前计划视频片段的质量和下载时间。这种预期调度通过在信道中断发生之前下载大量段来避免缓冲器欠载,而不会通过过度缓冲浪费无线容量。我们将这种方法形式化为一个优化问题,并推导出分段视频流协议的实用算法(例如,HLS或MPEG DASH)。仿真结果和测试台测量表明,我们的解决方案基本上消除了播放中断,而不会显着降低视频质量。
2014-08-22 cs.MM cs.NI
The Prefetch Aggressiveness Tradeoff in 360$^{\circ}$ Video Streaming
对于360度$^{\circ}$视频,在每个时间点仅显示完整视图的有限部分。这促使了允许针对每个候选观看方向递送替代回放质量的流递送技术的设计。然而,虽然基于用户的预期观看方向的预取最好在接近回放截止日期时完成,但是需要大的缓冲区来防止未来可用带宽的不足。这导致冲突的目标和重要的预取积极性权衡问题,该权衡问题关于应当从当前播放点预取提前多远的时间来完成。本文介绍了这种权衡的第一个特征。的主要贡献包括一个经验的头部运动行为的特征的基础上,从四个不同类别的360 $^{\circ}$视频,基于优化的比较,这些视频类别的预取侵略性权衡,和数据驱动的讨论进一步优化,其中包括一个新的系统设计,允许两个权衡目标,以同时为目标。通过定性和定量分析上述权衡,我们提供了如何为360 $^{\circ}$视频设计未来最佳传输系统的见解,从而使内容提供方能够降低带宽成本并改善用户的播放体验。
2018-12-18 cs.DC cs.MM cs.NI
FastScan: Robust Low-Complexity Rate Adaptation Algorithm for Video Streaming over HTTP
本文提出并评估了一种新的算法,流媒体视频通过HTTP。该问题被制定为一个非凸优化问题,它是由预测的可用带宽,块的最后期限,可用的视频速率,和缓冲区占用率的约束。目标是优化QoE度量,该QoE度量在最大化每个块的回放速率和确保不同块之间的公平性以最小的重新缓冲时间之间保持折衷。我们提出FastScan,一个低复杂度的算法,解决了这个问题。在线适应动态带宽环境提出了不完善的可用带宽预测。由可变比特率(VBR)编码视频、视频平台系统(dash.js)和公共数据集的蜂窝带宽跟踪驱动的实验结果揭示了FastScan算法的在线版本的鲁棒性,并证明了其与所考虑的最先进的视频流算法相比的显著性能改进。例如,在跨越不同可用带宽制度的公共数据集的100个真实蜂窝可用带宽轨迹上进行的实验上,我们提出的算法(FastScan)与Bola、Festive、BBA、RB和FastMPC以及Pensieve算法相比,在每个轨迹中实现了最小重新缓冲(停顿)时间和最大平均回放速率。
2019-01-21 cs.MM cs.NI
Learning to Predict Streaming Video QoE: Distortions, Rebuffering and Memory
移动流媒体视频数据占无线网络流量的很大比例,并且比例不断增加。现代无线网络的可用带宽通常不稳定,导致难以提供流畅、高质量的视频。Netflix和YouTube等流媒体服务提供商试图通过改变视频比特率来调整其系统以响应于这些带宽限制,或者如果失败,则允许回放中断(重新缓冲)。能够预测由这些调整产生的终端用户的体验质量(QoE)可以导致感知驱动的网络资源分配策略,其将向客户端递送更高质量的流传输内容,同时对于提供商来说是成本有效的。现有的客观QoE模型仅考虑视频质量变化或播放中断对用户QoE的影响。对于流媒体应用,自适应网络策略可能涉及动态比特率分配以及当可用带宽达到非常低的值时的回放中断的组合。为了有效地预测用户QoE,我们提出了时间伪影和失速的视频评估(Video ATLAS):一个机器学习框架,在该框架中,我们结合了许多与QoE相关的特征,包括客观质量特征、拒绝感知特征和记忆驱动特征来进行QoE预测。我们在最近设计的LIVE-Netflix视频QoE数据库上评估了我们基于学习的QoE预测模型,该数据库由实际播放模式组成,其中视频受到质量变化和重新缓冲事件的影响,并发现它提供了改进的性能。所提出的算法在http://live.ece.utexas.edu/research/Quality/VideoATLAS release_v2.rar上公开提供。
2017-03-02 cs.MM
PDStream: Slashing Long-Tail Delay in Interactive Video Streaming via Pseudo-Dual Streaming
PDStream提出伪双流机制,仅在关键帧出现时短暂激活双流,将播放与参考功能分离,在保持清晰度的同时显著削减交互式视频流的长尾延迟。
2025-02-07 cs.MM cs.NI
Towards 5G: Joint Optimization of Video Segment Cache, Transcoding and Resource Allocation for Adaptive Video Streaming in a Muti-access Edge Computing Network
多接入边缘计算(MEC)服务器的缓存和转码以及eNodeB中的无线资源分配交互并确定MEC网络中的动态自适应HTTP流传输(DASH)客户端的体验质量(QoE)。然而,这三个因素之间的关系尚未被探索,这导致客户的QoE改善有限。因此,我们提出了MEC服务器中视频片段缓存和转码以及资源分配的联合优化框架,以提高DASH客户端的QoE。在此基础上,提出了一种MEC缓存管理机制,包括MEC缓存划分、视频片段删除和MEC缓存空间转移。然后,提出了一种结合MEC服务器中视频片段缓存和转码以及资源分配的联合优化算法。该算法根据客户端的信道状态、播放状态以及MEC服务器之间的协作情况来估计客户端的优先级、视频片段播放切换和连续播放时间。综合考虑以上四个因素,我们建立了客户QoE的效用函数模型。然后,以DASH客户端总效用最大化为目标,建立了混合整数非线性规划数学模型,其中视频片段缓存和转码策略与资源分配策略联合优化。为了解决这个问题,我们提出了一个低复杂度的启发式算法,分解成多个子问题的原始问题。仿真结果表明,我们提出的算法有效地提高了客户端的吞吐量,接收视频质量和视频片段的命中率,同时减少了播放重缓冲时间,视频片段的呈现切换和系统回程流量。
2020-05-15 cs.MM
HTTP adaptive streaming with indoors-outdoors detection in mobile networks
在移动网络中,由于窗户和墙壁处的高信号衰减,用户可能在进入建筑物时失去覆盖。在这种情况下,具有最低比特率要求的服务(例如视频流)通常表现出较差的体验质量(QOE)。我们将提出一个贝叶斯检测器,它结合了两个智能手机传感器的测量结果,以确定用户是否在建筑物内。基于这种覆盖分类,我们将提出一种HTTP自适应流(HAS)算法,以提高在高平均比特率的播放稳定性。在一个典型的办公楼的测量表明,所提出的检测器的高精度和优越的QoE的建议HAS算法。
2017-05-24 cs.MM cs.NI
LBP: Robust Rate Adaptation Algorithm for SVC Video Streaming
如今,视频流占移动流量的55%。在本文中,我们探讨流视频编码使用可伸缩视频编码方案(SVC)在高度可变的带宽条件下,如蜂窝网络。SVC独特的编码方案允许视频块的质量以增量方式变化,使其与其他编码方案相比更灵活,更能适应具有挑战性的网络条件。我们的贡献是三方面的。首先,我们制定的可用带宽,播放缓冲区,和块的最后期限作为一个优化问题的视频块的质量决定的约束。目标是优化一种新颖的QoE度量,该度量对最小化视频的停顿/跳过持续时间、最大化每个块的回放质量以及最小化质量切换的数量这三个目标的组合进行建模。其次,我们开发了分层装箱(LBP)自适应算法,一种新的算法,解决了所提出的优化问题。此外,我们表明,LBP实现了所提出的优化问题的最佳解决方案的线性复杂度的视频块的数量。第三,我们提出了一种在线算法(在线LBP),其中解决了几个挑战,包括处理带宽预测错误,和短的预测持续时间。广泛的模拟与真实的带宽痕迹的公共数据集揭示了我们的计划的鲁棒性,并证明其显着的性能改善相比,国家的最先进的SVC流算法。所提出的算法也实现了TCP/IP仿真测试床与真实的LTE带宽的痕迹,和仿真证实了仿真结果,并验证了该算法可以实现和部署在今天的移动设备。
2018-06-13 cs.MM cs.NI
Optimized Preference-Aware Multi-path Video Streaming with Scalable Video Coding
大多数客户端主机配备有多个网络接口(例如,WiFi和蜂窝网络)。多个接口的同时接入可以显著提高视频流中的用户体验质量(QoE)。实现它的一种直观方法是使用多路径TCP(MPTCP)。然而,MPTCP的部署,特别是具有链接偏好的MPTCP的部署,需要在客户端和服务器侧两者处的OS内核更新,并且大量的商业内容提供方不支持MPTCP。因此,在本文中,我们实现了一个多路径的视频流算法,而不是在应用层,通过考虑可伸缩视频编码(SVC),其中每个块的每一层可以从只有一个正交的路径。我们制定的视频块的质量决策取决于不同路径的可用带宽,块的最后期限,和链接偏好作为一个优化问题。目标是优化QoE度量,该QoE度量在最大化每个块的回放速率和确保块之间的公平性之间保持折衷。QoE是以下度量中的加权的一些:跳过/停顿持续时间、平均回放速率和质量切换速率。然而,权重被选择为使得将更多块推送到相同质量水平比任何其他选择更优选。即使制定是一个非凸的离散优化,我们表明,在某些特殊情况下,该问题可以得到最佳解决的多项式复杂性。我们进一步提出了一个在线算法,其中包括带宽预测误差的几个挑战,得到解决。在一个真实的测试平台上进行了大量的仿真实验,真实的公共数据集的痕迹揭示了我们的计划的鲁棒性,并证明了其显着的性能改善相比,其他多路径算法。
2018-06-07 cs.MM cs.NI
Avoiding Interruptions - QoE Trade-offs in Block-coded Streaming Media Applications
本文采用分析的方法研究视频流应用的用户体验质量。首先,我们表明,随机线性网络编码应用到块的视频帧可以显着简化在网络层的数据包请求,并通过避免重复的数据包接收节省资源。网络编码允许我们将接收器的缓冲区建模为具有泊松到达和确定性离开的队列。我们考虑视频播放中断的概率以及初始缓冲的数据包的数量(初始等待时间)作为QoE指标。我们的特点是这些指标之间的最佳权衡提供的最小初始缓冲区大小的上限和下限,需要达到一定程度的中断概率为不同制度的系统参数。当文件大小趋于无穷大时,我们的边界是渐近紧的。
2010-02-04 cs.MM cs.NI
Adaptive Video Streaming in MU-MIMO Networks
我们认为扩展和改进我们以前的工作动态自适应视频流在多小区多用户“小小区”的无线网络。以前,我们处理的情况下,单天线基站,从网络效用最大化(NUM)制定,我们设计了一个“推”调度策略,其中用户将请求顺序视频块可能不同的基站与自适应视频质量,和基站调度他们的下行链路传输,以稳定他们的传输队列。在本文中,我们考虑一个“拉”的策略,每个用户维护一个请求队列,这样用户就可以跟踪有效交付的视频块。拉取方案允许按回放顺序下载块,而不会跳过或错过它们。另外,受小型小区网络中的最近/即将到来的进展(例如,在最近的IEEE802.11ac标准的波-2中),我们将我们的动态流方法扩展到能够进行多用户MIMO下行链路的基站的情况,即,通过空间复用在同一时频隙上为多个用户提供服务。通过利用高维MIMO信道的“信道硬化”效应,我们设计了一个低复杂度的用户选择方案来解决底层的最大加权速率调度,它可以很容易地实现,并在每个基站独立运行。通过模拟,我们展示了MIMO在视频流QoE指标方面的增益,如预缓冲和重新缓冲时间。
2014-01-25 cs.IT cs.MM cs.NI
Performance Analysis of Reliable Video Streaming with Strict Playout Deadline in Multi-Hop Wireless Networks
出于新兴的基于视觉的智能服务,我们考虑的问题,高质量和低延迟的视觉信息传输在无线网络中使用可伸缩视频编码的速率自适应。由于无线信道的可变性、网络节点处的排队以及接收器处以非常短的时间尺度对视频内容进行的基于帧的解码和回放之间的相互作用,该设置中的速率自适应固有地具有挑战性。为了解决这个问题,我们提出了一个低复杂度,基于模型的速率自适应算法的可伸缩视频流系统,建立在一个新的性能模型的基础上随机网络演算。我们使用广泛的模拟验证模型。我们表明,它允许快速,接近最佳的速率适应固定的传输路径,以及跨层优化的路由和视频速率适应网状网络中,小于$10$ \%的质量下降相比,最好的可实现的性能。
2017-04-10 cs.MM cs.NI cs.PF
PIRA: Pan-CDN Intra-video Resource Adaptation for Short Video Streaming
Douyin, ByteDance Inc.(抖音,字节跳动有限公司);Beijing University of Posts and Telecommunications(北京邮电大学)
针对短视频流CDN选择中QoE与成本的动态权衡问题,提出了带状态剪枝的PIRA算法,可实时平衡体验与成本,大规模实验验证其在降低延迟、卡顿及流量成本上的显著效果。
2025-10-21 cs.MM cs.SY eess.IV
Enhancing User Experience for Multi-Screen Social TV Streaming over Wireless Networks
最近,多屏云社交电视被发明出来,将电视转化为社交体验。在社交电视上观看同一内容的人可能来自不同的地点,同时通过文本、图像、音频和视频自由地相互互动。这种至关重要的虚拟客厅体验将社交方面添加到现有的性能指标中。在本文中,我们将社交电视用户体验解析为三个元素(即,用户间延迟、视频体验质量(QoE)和资源效率),并提供联合分析框架以增强用户体验。具体来说,我们提出了一个基于云的最优播放速率分配方案,以最大限度地提高整体QoE,同时上限用户间延迟。实验结果表明,该算法在用户间时延和视频质量之间取得了接近最优的折衷,即使在非常快的无线信道衰落下也表现出了弹性性能。
2014-04-11 cs.MM
A Rate Adaptation Algorithm for Tile-based 360-degree Video Streaming
在360度沉浸式视频中,用户基于她的观看方向仅观看整个原始视频帧的一部分。然而,今天的360度视频播放器总是获取整个全景视图,而不管用户的头部移动,导致可以避免的显著带宽浪费。在本文中,我们提出了一种新的自适应流媒体方案的360度视频。其基本思想是基于用户头部运动预测以最低质量获取视频的不可见部分,并基于带宽预测自适应地决定可见部分的视频播放质量。以鲁棒的方式实现这两个目标需要克服一系列挑战,例如联合考虑空间域和时间域,容忍预测误差以及实现低复杂度。为了克服这些挑战,我们首先定义自适应360度视频流的体验质量(QoE)指标。然后,我们制定一个优化问题,并解决它在一个低复杂度。该算法策略性地利用未来带宽和用户头部位置的分布来确定每个瓦片的质量水平(即,原始帧的子区域)。我们进一步提供了理论证明,表明我们的算法达到最优的实际假设。数值结果表明,我们提出的算法显着提高用户QoE至少20%的基线算法相比。
2017-04-26 cs.MM cs.NI
An End-to-End Pipeline Perspective on Video Streaming in Best-Effort Networks: A Survey and Tutorial
本文从端到端流水线视角综述了尽力而为网络中的视频流传输,涵盖采集、处理和分发全阶段,按直觉、理论和机器学习等方法对200多篇论文进行分类,并探讨商业实践与未来方向。
2025-07-15 cs.MM cs.NI
Access-Network Association Policies for Media Streaming in Heterogeneous Environments
我们研究的设计中存在多种异构的无线接入方法,不同的吞吐量和成本的媒体流应用程序。我们的目标是分析表征的使用成本和用户体验质量(QoE),这是表示在媒体播放中断的概率和初始等待时间之间的权衡。我们将每个接入网络建模为服务器,根据具有一定速率和成本的泊松过程向用户提供分组。使用随机线性码对块进行编码以减轻重复分组接收问题。用户必须决定在播放前缓冲多少数据包,以及在播放期间访问哪些网络。我们设计、分析和比较了几种具有门限结构的控制策略。我们制定的问题,找到最优控制政策作为一个MDP的概率约束。通过扩展状态空间,给出了该问题的HJB方程,并将其作为控制律最优性的验证方法。
2010-04-20 cs.MM math.OC
A Comparative Case Study of HTTP Adaptive Streaming Algorithms in Mobile Networks
HTTP自适应流(HAS)技术现在是移动网络中视频传输的主要解决方案。在过去的几年中,已经引入了几种HAS算法,以便通过比特率自适应来提高用户体验质量(QoE)。它们的区别主要在于所需的输入信息,从网络特性到应用层参数(如回放缓冲区)。有趣的是,尽管最近关于这个主题的科学论文激增,但仍然缺少对主要算法类的全面比较研究。在本文中,我们提供了这样的比较,通过评估性能的国家的最先进的HAS算法每一类,从现场测量的数据的基础上。我们提供了一个系统的研究的主要QoE因素和目标缓冲水平的影响。我们的结论是,这个目标缓冲区的水平是一个关键的分类研究HAS算法。虽然基于缓冲区的算法在大多数情况下显示出优越的QoE,但它们的性能在直播流服务的低目标缓冲区水平下可能不同。总体而言,我们相信,我们的研究结果提供了有价值的见解的设计和选择HAS算法根据网络条件和服务要求。
2017-05-04 cs.MM
Modeling the Impacts of Swipe Delay on User Quality of Experience in Short Video Streaming
本文研究滑动延迟对短视频流媒体用户体验的影响,通过132种滑动延迟模式的主观评估,发现延迟时长、次数及时间位置均影响用户体验,提出新的QoE模型以准确预测用户感受。
2026-03-19 cs.MM
Low-Delay Adaptive Video Streaming Based on Short-Term TCP Throughput Prediction
近年来,基于HTTP的自适应流媒体已经成为互联网上视频流媒体的事实标准。它允许客户端根据不同的网络条件调整媒体特性,以最大限度地提高体验质量(QoE)。在直播的情况下,这项任务变得特别具有挑战性。可能有助于提高性能的一个重要因素是正确预测短到中时间尺度上的网络吞吐量动态的能力。在经常受到连续吞吐量波动影响的无线网络中,这变得特别困难。在目前的工作中,我们开发了一种自适应算法,基于HTTP的自适应直播,对于每个自适应决策,最大限度地提高基于QoE的效用函数取决于播放中断的概率,平均视频质量,和视频质量波动的量。为了计算效用函数,该算法利用吞吐量预测和动态估计的预测精度。我们正试图缩小由于缺乏在中短期内分析TCP吞吐量的研究而造成的差距。研究了几种时间序列预测方法及其误差分布。我们观察到简单移动平均线在大多数情况下表现最好。我们还观察到,相对低估误差最好由截断正态分布表示,而相对高估误差最好由Lomax分布表示。此外,低估和高估表现出时间相关性,我们使用它来进一步提高预测精度。我们比较所提出的算法与基线方法,使用一个固定的利润率之间的过去的吞吐量和选定的媒体比特率,和一个基于Oracle的方法,具有完善的知识,在未来的吞吐量为一定的时间范围。
2016-03-03 cs.MM cs.NI
QoE-aware Media Streaming in Technology and Cost Heterogeneous Networks
Massachusetts Institute of Technology(麻省理工学院)
针对技术和成本异构网络中的媒体流传输问题,提出基于随机线性网络编码和马尔可夫决策过程的框架,分析接入成本与用户体验的权衡,并证明阈值策略的最优性。
2012-03-15 cs.MM cs.NI cs.SY
INDS: Incremental Named Data Streaming for Real-Time Point Cloud Video
本文提出基于信息中心网络的INDS框架,利用八叉树结构和帧组命名实现点云视频增强层的细粒度增量检索与网内缓存,在兼容QUIC和MoQ的同时显著降低延迟、提升吞吐量和缓存命中率。
2025-08-19 cs.MM
A real-time blind quality-of-experience assessment metric for HTTP adaptive streaming
在当今的互联网中,HTTP自适应流(HAS)是用于视频流的主流标准,其基于自适应比特率(ABR)算法来切换视频内容的比特率。有效的体验质量(QoE)评估度量可以为ABR算法提供关键反馈。然而,在客户端侧预测这样的实时QoE是具有挑战性的。QoE预测要求与人类视觉系统(HVS)的高度一致性、低延迟和盲评估,这些都难以同时实现。为了解决这个问题,我们分析了HAS系统的各种特性,并提出了一种非均匀采样度量来降低时间复杂度。此外,我们设计了一个有效的QoE指标,它将分辨率和重新缓冲时间集成为服务质量(QoS),并将深度神经网络的时空输出和特定的切换事件集成为内容信息。这些奖励和惩罚功能回归到质量分数与支持向量回归(SVR)模型。实验结果表明,该指标的准确率比主流的盲QoE指标高出0.3倍,计算时间仅为视频播放时间的60%,表明该指标能够为ABR算法提供实时指导,提高HAS的整体性能.
2023-03-17 cs.MM eess.IV
QoE-Based Low-Delay Live Streaming Using Throughput Predictions
最近,基于HTTP的自适应流已经成为互联网上视频流的事实标准。它允许客户端根据网络条件动态调整媒体特性,以确保高质量的体验,即最大限度地减少播放中断,同时在合理的质量变化水平下最大限度地提高视频质量。在实时流媒体的情况下,由于延迟约束,该任务变得特别具有挑战性。如果客户端使用无线网络,则挑战进一步增加,其中吞吐量受到相当大的波动的影响。因此,直播流通常表现出高达30秒的延迟。在目前的工作中,我们介绍了一种适应算法的HTTP为基础的实时流称为LOLYPOP(低延迟预测为基础的适应),旨在操作的传输延迟几秒钟。为了实现这一目标,LOLYPOP利用多个时间尺度(从1秒到10秒)上的TCP吞吐量预测,以及预测误差分布的估计。除了满足延迟约束之外,该算法还通过最大化作为跳过的片段和质量转换的数量的函数的平均视频质量来最大化体验质量。为了选择一种有效的预测方法,我们研究了几种时间序列预测方法在IEEE 802.11无线接入网络中的性能。我们评估了LOLYPOP在一个大的实验条件下限制传输延迟为3秒,对一个国家的最先进的适应算法从文献中,称为FESTIVE。我们观察到,平均视频质量比FESTIVE高出3倍。我们还观察到,LOLYPOP能够在体验空间的质量上达到更广泛的区域,从而更好地适应用户简档或服务提供商的要求。
2016-03-04 cs.MM cs.NI
GroupCast: Preference-Aware Cooperative Video Streaming with Scalable Video Coding
在本文中,我们提出了一个偏好感知的合作视频流系统的视频编码使用可伸缩视频编码(SVC),所有的合作用户都有兴趣在一个共享的屏幕上一起观看视频。然而,每个用户的合作意愿受制于她自己的约束,诸如用户数据计划和/或能量消耗。使用SVC,每个块的每一层都可以通过任何合作用户获取。我们制定的问题,找到最佳的质量决策和获取策略的SVC层的视频块的可用带宽,块的最后期限,和合作意愿的不同用户作为一个优化问题。目标是优化QoE度量,该QoE度量保持在最大化每个块的回放速率同时确保最小跳过/停顿持续时间的所有块之间的公平性而不违反任何强加的约束之间的权衡。我们提出了一个离线算法来解决非凸优化问题时,带宽预测是非因果已知的。该算法的运行时间复杂度是视频长度和协作用户数的多项式。此外,我们提出了一个在线版本的算法更实际的情况下,错误的带宽预测短窗口使用。在公共带宽跟踪数据集上使用SVC编码视频的Android设备的实际实现揭示了所提出的算法的鲁棒性和性能,并表明该算法在避免跳过/停顿和以最高质量获取视频块方面显着优于基于循环的机制。
2018-09-28 cs.MM cs.NI
Streaming Video QoE Modeling and Prediction: A Long Short-Term Memory Approach
基于HTTP的自适应视频流由于其可靠的传输和适应不同网络条件的灵活性而成为流行的流选择。然而,由于自适应流传输中的速率自适应,客户端处的视频的质量取决于端到端网络条件而随时间变化。此外,变化的网络条件可能导致视频客户端耗尽回放内容,从而导致重新缓冲事件。这些因素影响用户满意度并导致用户体验质量(QoE)的下降。重要的是量化流式传输视频用户的感知QoE并以连续的方式对其进行监测,以便可以最小化QoE降级。然而,QoE的连续评估是具有挑战性的,因为它是由QoE影响因素之间的复杂动态交互决定的。为此,我们提出了LSTM-QoE,一种基于递归神经网络的QoE预测模型,使用长短期记忆(LSTM)网络。LSTM-QoE是级联LSTM块的网络,用于捕获时变QoE中涉及的非线性和复杂的时间依赖性。基于对几个公开的连续QoE数据库的评估,我们证明了LSTM-QoE具有有效地模拟QoE动态的能力。我们将所提出的模型与最先进的QoE预测模型进行比较,并表明它在这些数据库中提供了卓越的性能。此外,我们讨论了LSTM-QoE的状态空间视角,并显示了QoE预测的状态空间建模方法的功效。
2018-07-18 cs.MM
MADRL-Based Rate Adaptation for 360° Video Streaming with Multi-Viewpoint Prediction
University of Ottawa(渥太华大学);Huawei Canada(华为加拿大);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
针对360°视频流单视角预测应对突发头部运动效果差的问题,提出多模态时空注意力Transformer多视角预测方法,结合基于CTDE框架MAPPO的MADRL自适应码率算法,最高提升QoE指标85.5%。
2024-05-17 cs.AI cs.MM cs.NI
Robust Live Streaming over LEO Satellite Constellations: Measurement, Analysis, and Handover-Aware Adaptation
本文针对低地球轨道卫星网络中直播因频繁切换导致卡顿的问题,提出轻量级中间件SARA,通过调节播放速度并为ABR算法提供网络洞察,显著减少重新缓冲并略微改善延迟。
2025-08-18 cs.MM eess.IV
Fundamental delay bounds in peer-to-peer chunk-based real-time streaming systems
本文解决了以下基本问题:什么是最大的理论延迟性能可实现的覆盖对等流媒体系统的流媒体内容被细分成块?如本文所示,当针对基于块的系统提出时,并且由于块在网络上传递的存储转发方式,这个问题相对于流式传输内容通过一个或多个流(子流)分发的系统的情况具有根本不同的答案。为了避免直接处理延迟时出现的复杂性,我们表示性能的一个方便的度量,称为“流扩散度量”。我们表明,它是直接相关的端到端的最小延迟可实现的P2P流媒体网络。在一个同质的情况下,我们推导出这样的指标的性能界限,我们展示了这个界限如何与两个基本参数:在每个节点可用的上传带宽,和邻居的节点可以提供块的数量。在这个界限中,k步斐波那契序列确实出现了,并且似乎设定了基本定律,这些定律表征了基于块的系统的最优操作。
2010-02-01 cs.MM cs.PF
Tokenized Joint Source-Network Coding for Loss-Resilient Video Streaming
Beijing University of Posts and Telecommunications(北京邮电大学);Shanghai Jiao Tong University(上海交通大学)
本文提出TokJSNC,一种分词化联合信源-网络编码范式,无需显式FEC或重传,在70%丢包率下仍维持22 fps以上播放帧率,兼容现有网络架构,为抗丢包视频流提供实用方案。
2026-10-16 cs.MM eess.IV
Non-Cooperative Game Theory Based Rate Adaptation for Dynamic Video Streaming over HTTP
Shandong University(山东大学);City University of Hong Kong(香港城市大学)
HTTP动态自适应流媒体技术(Dynamic Adaptive Streaming over HTTP,DASH)因其能够适应网络的多变性而被证明是一种新兴的、有前途的多媒体流媒体技术。速率自适应机制,一个具有挑战性和开放性的问题,在基于DASH的系统中起着重要的作用,因为它会影响用户的体验质量(QoE),网络利用率等。在本文中,基于非合作博弈论,我们提出了一种新的算法来优化分配有限的出口带宽的服务器多用户,以最大限度地提高他们的QoE与公平性保证。该算法是无代理的。具体而言,一种新的用户QoE模型是通过考虑各种因素,如接收的视频质量,参考缓冲区长度,和用户累积的缓冲区长度等,然后,带宽竞争问题制定为一个非合作博弈的存在纳什均衡,从理论上证明。最后,提出了一个分布式迭代算法,并进行了稳定性分析,以寻找纳什均衡。与现有方法相比,仿真和真实网络场景下的大量实验结果表明,该算法能够产生更高的QoE,并且所有用户的实际缓冲区长度保持接近最优状态,即,一直在参考缓冲区中移动。此外,该算法不会产生播放中断。
2019-12-27 cs.CV cs.MM cs.SY
BOLA360: Near-optimal View and Bitrate Adaptation for 360-degree Video Streaming
本文提出BOLA360,一种面向360度视频流的在线自适应码率算法,通过仅下载视场内片段并动态调整码率,在理论上证明近最优性,并在实验中相比现有算法提升13.6%至372.5%的QoE。
2024-10-01 cs.MM
HybridPrompt: Bridging Generative Priors and Traditional Codecs for Mobile Streaming
Peking University(北京大学)
HybridPrompt结合生成模型与传统编码器,实现移动设备上高速高质量的视频解码。
2026-02-19 cs.MM eess.IV
Backward-Shifted Coding (BSC) based on Scalable Video Coding for HAS
HTTP自适应流媒体的主要任务是在可变的网络条件下动态地调整视频质量。这是多媒体传送的关键特征,尤其是当服务质量不能在网络范围内被授予时,吞吐量可能遭受短期波动。因此,鲁棒的比特率自适应方案变得至关重要,以提高视频质量。在这种情况下,目标是控制回放缓冲器的填充水平并最大化视频的质量,同时避免不必要的视频质量变化。在本文中,我们研究的比特率自适应算法的基础上后移编码(BSC),可伸缩的视频编码方案,能够大大提高视频质量。我们设计的比特率自适应算法,平衡视频速率平滑和高网络容量利用率,利用基于吞吐量和基于缓冲区的自适应机制。使用合成和真实世界的视频流量跟踪的广泛模拟表明,即使在具有挑战性的网络条件下,该方案也表现得非常好。
2016-10-07 cs.MM