首页/论文/1606.00264

arXiv 1606.002642016-06-01cs.MMcs.NI

基于HTTP的动态自适应流媒体的高级传输选项

Advanced Transport Options for the Dynamic Adaptive Streaming over HTTP

Christian Timmerer, Alan Bertoni

备注：: 6 pages

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

HTTP上的多媒体流不再是一个利基研究课题，因为它已经进入我们的日常生活。常见的假设是，它部署在现有基础设施之上，利用应用程序（HTTP）和传输（TCP）层协议。有趣的是，像MPEG的HTTP动态自适应流（DASH）这样的标准并不要求使用任何特定的传输协议，从而允许足够的部署灵活性，这进一步得到了两个协议层内的新兴发展的支持。本文研究和评估使用先进的传输选项的动态自适应流在HTTP。我们利用一个常见的测试设置来评估HTTP/2.0和谷歌的快速UDP互联网连接（QUIC）协议在基于DASH的服务的上下文中。

英文摘要：

Multimedia streaming over HTTP is no longer a niche research topic as it has entered our daily live. The common assumption is that it is deployed on top of the existing infrastructure utilizing application (HTTP) and transport (TCP) layer protocols as is. Interestingly, standards like MPEG's Dynamic Adaptive Streaming over HTTP (DASH) do not mandate the usage of any specific transport protocol allowing for sufficient deployment flexibility which is further supported by emerging developments within both protocol layers. This paper investigates and evaluates the usage of advanced transport options for the dynamic adaptive streaming over HTTP. We utilize a common test setup to evaluate HTTP/2.0 and Google's Quick UDP Internet Connections (QUIC) protocol in the context of DASH-based services.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

蜂窝网络上的自适应比特率流：速率自适应和数据节省策略

Adaptive Bitrate Streaming Over Cellular Networks: Rate Adaptation and Data Savings Strategies

自适应比特率流（ABR）已成为互联网上视频流的事实技术。尽管出现了一系列技术，但在蜂窝网络上实现高质量的ABR流仍然是一个巨大的挑战。首先，ABR方案的设计需要平衡视频质量、质量变化、停顿和启动性能等相互冲突的体验质量（QoE）指标，这在蜂窝网络的高动态带宽下更加困难。其次，流媒体提供商已经转向使用可变比特率（VBR）编码的视频内容，这引入了新的挑战ABR流，其性质和含义是鲜为人知的。第三，移动视频流消耗大量数据。尽管许多视频和网络提供商目前提供数据保存选项，但现有做法在QoE和资源使用方面并不理想。最后，当音频和视频轨道分开存储时，视频和音频速率适配需要动态协调以实现良好的整体流体验，这提出了有趣的挑战，而令人惊讶的是，研究界几乎没有关注。在这篇论文中，我们解决了上述四个挑战。

2021-05-14cs.MMcs.NI

面向定制化偏好与自适应转码的用户数字孪生驱动视频流技术

User Digital Twin-Driven Video Streaming for Customized Preferences and Adaptive Transcoding

本研究提出融合用户数字孪生与传统视频流系统的新方法，通过机器学习持续更新用户数字孪生以指导自适应转码，在提升内容个性化的同时降低带宽占用、优化播放质量，推动用户-centric多媒体服务发展。

2025-08-01cs.MMcs.NI

多编解码器DASH数据集

Multi-Codec DASH Dataset

需要大量带宽的应用程序和服务的数量不断增加。HTTP自适应流媒体视听内容占当今互联网流量的大部分。虽然互联网的带宽也在不断增加，但音视频压缩技术是不可避免的，我们目前面临着多种视频编解码器的挑战。本文提出了一个多编解码器DASH数据集，包括AVC，HEVC，VP9和AV1，以便在各种条件下有效使用这些编解码器进行互操作性测试和流媒体实验。我们采用最先进的编码和打包选项，并提供基本的质量指标以及DASH细分市场。此外，我们简要介绍了多编解码器DASH方案和可能的使用场景。最后，我们提供了一个初步的评价的编码效率的背景下，HTTP自适应流媒体服务和应用程序。

2018-03-19cs.MM

面向流媒体的VVC适配：一种快速多码率编码方法

Preparing VVC for Streaming: A Fast Multi-Rate Encoding Approach

针对VVC多码率流媒体编码计算成本高的问题，提出以最低码率版本为参考、复用其划分结构加速其余版本编码的方法，在VVenC上实现编码时间平均缩短40%，VMAF质量仅降0.43。

2023-12-13cs.CCcs.MM

自适应视频流质量评估技术综述

A Brief Survey on Adaptive Video Streaming Quality Assessment

University of Waterloo（滑铁卢大学）；Shanghai Jiao Tong University（上海交通大学）；Ningbo University（宁波大学）

自适应视频流的体验质量（QoE）评估在高级网络管理系统中起着重要作用。在HTTP上的动态自适应流传输方案（DASH）的情况下尤其具有挑战性，其具有包括附加回放问题的日益复杂的特性。在本文中，我们提供了一个简短的概述自适应视频流质量评估。在回顾相关工作后，我们分析和比较了使用或不使用自适应视频流的机器学习技术的客观Qoe评估模型的不同变体。通过性能分析，我们观察到，混合模型的性能优于服务质量（QoS）驱动的QoE方法和信号保真度测量。此外，对于相同的设置，基于机器学习的模型略微优于不使用机器学习的模型。此外，我们发现，现有的视频流QoE评估模型仍然有有限的性能，这使得它很难在实际的通信系统中应用。因此，基于传统视频质量预测的深度学习特征表示的成功，我们还应用了现成的深度卷积神经网络（DCNN）来评估流视频的感知质量，其中考虑了流视频的时空特性。实验证明了它的优越性，这揭示了专门设计的深度学习框架的自适应视频流质量评估的未来发展。我们相信这项调查可以作为自适应视频流的QoE评估的指导方针。

2022-02-25cs.CVcs.MM

面向自适应视频流的高能效多编解码器码率阶梯估计

Energy-Efficient Multi-Codec Bitrate-Ladder Estimation for Adaptive Video Streaming

针对多编解码器流媒体传输能耗高的问题，提出MCBE方案，通过移除冗余表示并基于JND最小化感知冗余，结合随机森林预测VMAF，显著降低编码、存储和传输能耗。

2023-10-14cs.MM

更多相关论文收起更多论文

自适应比特率视频流的体验质量评估

Assessing the Quality-of-Experience of Adaptive Bitrate Video Streaming

视频传输管道的多样性对自适应比特率（ABR）流媒体算法和客观体验质量（QoE）模型的评估提出了巨大的挑战。在这里，我们介绍了迄今为止同类中最大的主题分级数据库，即WaterlooSQoE-IV，由1350个自适应流媒体视频组成，这些视频是从不同的源内容、视频编码器、网络跟踪、ABR算法和观看设备创建的。我们通过一系列精心设计的主观实验收集每个视频的人类意见。随后的数据分析和使用数据库的ABR算法和QoE模型的测试/比较导致了一系列新颖的观察和有趣的发现，在主观实验方法的有效性，用户体验和源内容之间的相互作用，观看设备和编码器类型，用户体验的偏差和偏好的异质性，ABR算法的行为，以及客观QoE模型的性能。最重要的是，我们的研究结果表明，一个更好的客观QoE模型，或者更好地理解人类的感知体验和行为，是提高ABR算法性能的最主要因素，而不是先进的优化框架，机器学习策略或带宽预测器，在过去的十年中，大多数ABR研究都集中在这些方面。另一方面，我们对11个QoE模型的性能评估显示，最先进的QoE模型和主观评分之间只有适度的相关性，这意味着QoE建模和ABR算法都有改进的空间。该数据库在以下网址公开提供：\url{https://ece.uwaterloo.ca/~zduanmu/waterloosqoe4/}。

2020-08-20cs.MMeess.IV

快速多重编码，降低视频流的成本

Fast multi-encoding to reduce the cost of video streaming

视频互联网流量的增长以及视频属性（如帧速率、分辨率和位深度）的进步推动了设计大规模、高效视频编码环境的需求。这对于基于HTTP的动态自适应流传输（DASH）的内容供应甚至更重要，因为它需要对相同视频内容的许多表示进行编码。高效视频编码（HEVC）是一种标准视频编解码器，其相对于其前身高级视频编码（AVC）显著地提高了编码效率。这种改进是以显著增加的时间复杂度为代价实现的，这对内容和服务提供商来说是一个挑战。由于各种表示是以不同比特率或分辨率编码的相同视频内容，因此可以共享来自已经编码的表示的编码分析信息以加速其他表示的编码。几种最先进的方案首先编码单个表示，称为参考表示。在该编码期间，编码器利用诸如切片类型决策、CU、PU、TU分割和HEVC比特流本身的信息来创建分析元数据。其余的表示（称为依赖表示）分析上述元数据，然后重用它以跳过搜索某些分区，从而降低了计算复杂性。随着基于云的编码服务的出现，通过利用增加数量的资源来加速视频编码，即，利用多核CPU，可以并行地对多个表示进行编码。本文概述了各种各样的多编码方案，这些方案分别支持和不支持集成到HEVC测试模型（HM）和x265中的机器学习方法。

2022-10-25cs.MM

基于商业5G NSA/SA网络的MPEG-DASH UHD视频低延迟实时直播性能评估

Performance Evaluation of Low-Latency Live Streaming of MPEG-DASH UHD video over Commercial 5G NSA/SA Network

Waseda University（早稻田大学）

本文评估了基于5G SA和NSA网络的MPEG-DASH UHD视频直播性能，发现5G SA能实现高成功率的低延迟直播，而NSA依赖LTE网络存在不足。

2025-11-26cs.MMcs.NIeess.IV