Evaluation of HTTP/DASH Adaptation Algorithms on Vehicular Networks
视频流目前占互联网流量的大部分。支持视频流传输的一个因素是HTTP自适应流传输（HAS），它允许用户使用与从服务器到客户端的可用带宽密切匹配的比特率来流传输视频。HTTP上的MPEG动态自适应流（DASH）是一种广泛使用的标准，其允许客户端基于其自己的估计来选择要下载的分辨率。用于确定DASH流中下一段的算法不是标准的一部分，但它是最终回放质量的重要因素。如今，车辆越来越多地配备有移动通信设备和车载多媒体娱乐系统。在本文中，我们评估了各种DASH自适应算法在车载网络中的性能。我们提出了详细的模拟结果，突出了各种自适应算法的优点和缺点，在提供视频内容的车辆用户，我们展示了不同的自适应算法如何执行的吞吐量，播放中断时间和中断次数。
2018-12-31 cs.NI
Coalition Game-based Approach for Improving the QoE of DASH-based Streaming in Multi-servers Scheme
HTTP动态自适应流媒体（Dynamic Adaptive Streaming over HTTP，DASH）正在成为大规模有效视频流量交付的事实方法，其首要成功因素是赋予流媒体客户端完全的自主权，使其更加智能，并在基于拉取的范式下实现粒度视频块的分散式视频质量决策逻辑。然而，客户端的纯粹自主性本质上导致了整体自私的环境，其中每个客户端独立地努力提高其体验质量（QoE）。因此，客户端会伤害对方，包括自己，由于他们的感知范围有限。这个缺点可以通过采用一种机制，具有全局视图，从而可以有效地管理可用资源来解决。在本文中，我们提出了一个基于博弈论的方法来解决多服务器设置中的客户端的自私问题，而不影响其自治。特别地，我们采用联盟博弈框架来影响客户端到最好的服务器，最终最大限度地提高客户端的整体平均质量，同时防止重新缓冲。我们通过大量的实验验证了我们的解决方案，并展示了所提出的解决方案的有效性。
2022-01-05 cs.NI
End-to-End Performance of Video Streaming With MPEG-DASH Over Satellite 5G IAB Networks
University of Manitoba（曼尼托巴大学）
研究现代传输协议和拥塞控制算法对集成卫星-陆地网络中自适应视频交付的影响，通过模拟框架评估TCP和QUIC在不同拥塞控制算法下的性能，发现QUIC-BBR在QoE方面表现最优。
2026-04-17 cs.NI
Adaptive Streaming in P2P Live Video Systems: A Distributed Rate Control Approach
HTTP上的动态自适应流传输（DASH）是最近提出的标准，其提供相同媒体内容的不同版本以使因特网上的递送过程适应动态带宽波动和不同用户设备能力。用于视频流的对等（P2P）范例允许利用对等体之间的合作，保证以增加的可扩展性和降低的成本来服务每个视频请求。我们建议将这两种方法结合在一个P2P-DASH架构，利用两者的潜力。新平台由几个群组成，并且在每个群中流式传输不同的DASH表示;与客户端-服务器DASH体系结构不同，在客户端-服务器DASH体系结构中，每个客户端根据当前网络条件及其设备资源自主地选择下载哪个版本，提出了一种在对等站点实现的新的码率控制策略，在保证本地用户良好观看质量的同时，P2P集群的运作。通过仿真验证了该解决方案的有效性，表明P2P-DASH平台能够保证其用户具有非常好的性能，比不使用DASH的传统P2P环境更令人满意。通过与参考DASH系统通过线性规划（ILP）的方法建模的比较，新的系统被证明优于这样的参考架构。为了进一步验证该建议，无论是在鲁棒性和可扩展性方面，系统的行为进行了调查，在一个闪光的人群的临界条件下，显示出强大的新用户的热潮，可以成功地揭示和逐步容纳。
2015-10-26 cs.NI
DASH Adaptation Algorithm Based on Adaptive Forgetting Factor Estimation
本文提出一种基于自适应遗忘因子估计的DASH吞吐量自适应算法，通过统计方法适应不同网络条件，实验证明在有线和无线环境中均提升视频质量。
2024-02-09 cs.NI
Reinforcement Learning -based Adaptation and Scheduling Methods for Multi-source DASH
International University - Vietnam National University（越南国家大学国际大学）；Kyung Hee University（庆熙大学）；Wroclaw University of Science and Technology（弗罗茨瓦夫科技大学）
针对多源DASH视频流中块乱序影响QoE的问题，提出两种结合强化学习的自适应与调度算法，经真实轨迹仿真验证了有效性。
2023-07-25 cs.AI cs.NI
Performance Evaluation of Low-Latency Live Streaming of MPEG-DASH UHD video over Commercial 5G NSA/SA Network
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。
2025-11-26 cs.MM cs.NI eess.IV
QuDASH: Quantum-inspired rate adaptation approach for DASH video streaming
本文提出一种基于量子启发式计算技术Digital Annealer和QUBO的DASH视频流码率自适应方法QuDASH，通过构建并最小化目标函数来优化视频质量、码率变化和缓冲区条件，实验表明其在68.2%的案例中实现了最高QoE，优于传统ABR方法。
2023-10-22 cs.MM cs.NI eess.IV
Service Provisioning and Profit Maximization in Network-assisted Adaptive HTTP Streaming
集中考虑多个流的自适应HTTP流已经获得了越来越多的关注。它提出了一个特殊的挑战，即内容提供方和网络运营商的利益需要刻意平衡。更重要的是，需要适应策略足够灵活，以移植到在不同网络环境、QoE水平和经济目标下工作的各种系统。为了解决这些挑战，我们提出了一个马尔可夫决策过程（MDP）为基础的网络辅助自适应框架，其中缓冲的成本，显着的回放变化，带宽管理和收入的回放联合调查。然后，我们展示了它在需要公平或差异化服务的移动网络中有前途的服务提供和最大利润。
2015-01-18 cs.MM cs.NI
ECAS-ML: Edge Computing Assisted Adaptation Scheme with Machine Learning for HTTP Adaptive Streaming
随着移动网络中的视频流传输业务的增加，改进内容递送过程变得至关重要，例如，利用边缘计算支持。在边缘节点，我们可以部署自适应比特率（ABR）算法，更好地了解网络行为并访问无线电和播放器指标。在这项工作中，我们提出了ECAS-ML，边缘辅助自适应方案的HTTP自适应流与机器学习。ECAS-ML专注于管理比特率、段切换和停顿之间的权衡，以实现更高的体验质量（QoE）。为此，我们使用机器学习技术来分析无线电吞吐量轨迹并预测算法的最佳参数，以实现更好的性能。实验结果表明，ECAS-ML算法优于其他基于客户端和基于边缘的ABR算法。
2022-01-12 cs.MM cs.NI
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
Network-Assisted Delivery of Adaptive Video Streaming Services through CDN, SDN, and MEC
针对高分辨率低延迟视频流对带宽和延迟的挑战，本论文通过引入具有全局网络视野的网络内组件，结合 CDN、SDN 和 MEC 技术，提出完全透明的网络辅助视频流（NAVS）解决方案以提升服务效率。
2024-03-25 cs.MM cs.NI
NOVA: QoE-driven Optimization of DASH-based Video Delivery in Networks
我们考虑的问题，优化视频传输的网络支持视频客户端流存储的视频。具体而言，我们考虑的问题，联合优化网络资源分配和视频质量的适应。我们的目标是公平地最大限度地提高视频客户端的体验质量（QoE），实现平均质量，质量的时间变化和公平性之间的权衡，结合用户对重新缓冲和视频传输成本的偏好。我们提出了一个简单的渐近最优在线算法，NOVA，来解决这个问题。NOVA是异步的，并且使用最少的通信，将资源分配的任务分配给网络控制器，并且将质量适配分配给各个视频客户端。NOVA中的视频质量适配对于独立视频客户端也是最佳的，并且非常适合与DASH框架一起使用。此外，我们扩展NOVA用于更一般的QoE模型，与其他流量负载共享的网络和使用固定/传统资源分配的网络。
2013-09-25 cs.MM cs.NI
Adaptive 360 VR Video Streaming: Divide and Conquer!
虽然传统的多媒体应用（如游戏和视频）仍然很受欢迎，但近年来人们对新的3D媒体（如3D沉浸和虚拟现实（VR）应用，特别是360 VR视频）产生了浓厚的兴趣。360 VR视频是一种沉浸式球形视频，用户可以在播放过程中环顾四周。不幸的是，360 VR视频是非常带宽密集型的，因此很难以可接受的质量水平进行流式传输。在本文中，我们提出了一个自适应的带宽效率的360 VR视频流系统使用分而治之的方法。在我们的方法中，我们提出了一种动态视图感知自适应技术来解决360 VR视频的巨大流带宽需求。我们在编码和打包时将视频空间划分为多个瓦片，使用MPEG-DASH SRD来描述360度空间中瓦片的空间关系，并在视场（FoV）中优先考虑瓦片。为了描述这种平铺表示，我们将MPEG-DASH SRD扩展到360 VR视频的3D空间。我们在空间上划分底层的3D网格，并构建一个高效的3D几何网格称为hexaface球体，以最佳地表示平铺360 VR视频在3D空间。我们的初步评估结果报告称，与未应用调整的基线场景相比，360 VR视频流的带宽节省高达72%，并且对质量的负面影响较小。
2017-11-17 cs.GR cs.MM cs.NI
Quantifying Multimedia Streaming Quality: A Practical Analysis using PIE and Flow Queue PIE
本文研究了使用PIE和FQ-PIE技术通过多路径传输提升DASH流媒体的QoE
2025-10-22 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
Digital Twin-Assisted Adaptive Preloading for Short Video Streaming
本文面向短视频流媒体提出数字孪生辅助的自适应预加载框架，通过预测吞吐量与用户行为并结合实时状态优化预加载策略，从而提升带宽效率并保障用户 QoE。
2023-07-15 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
Advanced techniques for adaptive video streaming in SDNs
本章介绍了软件定义网络的研究和在这种类型的网络上进行视频传输所需的工具。其中提出的方面是用于建立视频传输的方法和程序来评估所获得的质量。提出了一个视频传输实验，该实验包括使用MPEG/DASH和可伸缩编码等自适应技术对视频流的自适应传输进行评估。实验是在MININET平台上的软件定义网络拓扑结构上进行的
2021-07-30 cs.NI
Utility Optimal Scheduling and Admission Control for Adaptive Video Streaming in Small Cell Networks
我们认为，联合优化设计的传输调度和接纳控制策略的自适应视频流在小蜂窝网络。我们制定了一个动态的网络效用最大化的问题，并观察到它自然分解成两个子问题：准入控制和传输调度。所得到的算法简单，适合分布式实现。准入控制决策涉及每个用户基于其邻域中的网络拥塞来选择请求下载的视频块的质量。这种形式的准入控制与基于TCP连接上的DASH协议的当前视频流技术兼容。通过仿真，我们评估所提出的算法的性能，在现实的假设下，为小小区网络。
2013-05-15 cs.IT cs.MM cs.NI
EdgeDASH: Exploiting Network-Assisted Adaptive Video Streaming for Edge Caching
虽然边缘视频缓存具有降低核心网络流量以及用户体验延迟的巨大潜力，但由于两个关键原因，在当前客户端驱动的视频流解决方案中利用缓存通常具有挑战性。首先，即使对相同内容感兴趣的客户端也可能请求不同的质量级别，因为视频内容被编码为多种质量以匹配广泛的网络条件和设备能力。其次，选择下一个块的质量以请求的客户端不知道网络边缘处的缓存内容。因此，开发网络端解决方案来利用缓存变得势在必行。这还可以缓解一些性能问题，特别是对于多个视频客户端竞争某些瓶颈容量的场景。在本文中，我们提出了一个网络侧控制逻辑运行在WiFi AP，以方便使用缓存的视频内容。特别地，在替代质量提供更好的效用的情况下，AP可以向客户站分配与其请求不同的视频质量。我们制定的质量分配问题作为一个优化问题，并开发了几个多项式复杂度的算法。与客户端确定质量适应的基线相比，我们的建议（称为EdgeDASH）提供了更高的视频质量，更高的缓存命中率和更低的停顿率，这对用户的满意度至关重要。我们的模拟表明，EdgeDASH促进了显着的缓存命中，并减少了缓冲区失速，只有通过改变客户端的请求由一个质量水平。此外，从我们的分析，我们得出结论，网络援助提供了显着的性能改善，特别是当具有相同的利益的客户端竞争的瓶颈链路的容量。
2020-02-04 cs.MM cs.NI
Exploiting Network Awareness to Enhance DASH Over Wireless
HTTP动态自适应流媒体（Dynamic Adaptive Streaming over HTTP，DASH）的引入有助于减少视频传输中的资源消耗，但其基于客户端的速率自适应无法最佳地利用可用的端到端网络带宽。我们考虑的问题，优化交付的视频内容到移动客户端，同时满足可用的网络资源所施加的限制。观察网络的两个主要组成部分中的可用带宽，核心网络，将视频从服务器传输到靠近客户端的边缘节点，以及边缘网络，负责通过无线链路将内容传输给用户，我们的目标是通过利用顺序视频片段的未来用户请求的可预测性来找到最佳解决方案，以及在给定的未来时间窗口中在核心和边缘无线网络处的可用基础设施资源的知识。我们不再将端到端连接的瓶颈视为我们的吞吐量，而是将流量负载随时间分布，并在服务器和客户端之间使用中间结点来缓冲视频内容，以实现更高的吞吐量，并最终与当前解决方案相比显著提高最终用户的体验质量。
2015-01-18 cs.NI
Digital Twin-Assisted Resource Demand Prediction for Multicast Short Video Streaming
本研究针对组播短视频流资源需求预测精度问题，提出数字孪生辅助方案，通过构建用户数字孪生收集状态、用强化学习赋能的K-means++聚类，结合观看行为与偏好预测资源需求，提升了预测准确性。
2023-06-09 cs.NI eess.IV
Quality-Aware Deep Reinforcement Learning for Streaming in Infrastructure-Assisted Connected Vehicles
本文提出了一种基于深度强化学习的移动感知车载网络视频流传输方案，高速公路上的车辆。我们考虑基础设施辅助和基于毫米波的场景，其中宏基站（MBS）由于毫米波波束的短距离而不能直接向车辆提供流媒体服务，使得道路沿线的小型毫米波基站（mBS）向用户提供所需的视频。为了更平滑的流传输服务，MBS主动地将视频块推送到mBS。这样做是为了支持每个mBS当前覆盖和/或将覆盖的车辆。我们制定的动态视频传输方案，自适应地确定1）哪些内容，2）什么质量和3）有多少块从MBS主动交付到mBS使用马尔可夫决策过程（MDP）。由于MBS很难跟踪所有的信道条件和网络状态具有广泛的维度，我们采用深度确定性策略梯度（DDPG）算法的DRL为基础的视频交付计划。本文最后表明，DRL代理学习流媒体策略，追求高平均质量，同时限制丢包，避免播放失速，减少质量波动和节省回程使用。
2021-10-12 cs.NI cs.SY eess.SY
ASL360: AI-Enabled Adaptive Streaming of Layered 360$^\circ$ Video over UAV-assisted Wireless Networks
College of Computing, New Jersey Institute of Technology（计算学院，新泽西理工学院）；Dept. of Electrical Engineering, University of Buffalo（电气工程系，布法罗大学）
ASL360通过自适应调度和分层视频流媒体技术提升沉浸式视频体验质量，有效应对动态网络环境挑战。
2026-02-21 cs.AI cs.MM cs.NI
On the Interaction of Adaptive Video Streaming with Content-Centric Networking
当今互联网的两个主要趋势是视频流服务的主要兴趣：大多数内容交付平台都倾向于通过HTTP使用自适应视频流，以及允许在网络内的中间点进行缓存的新网络架构。我们调查了最流行的流媒体服务的速率自适应和机会主义缓存。我们的实验研究表明，流媒体客户端的速率选择轨迹，即，构成完整视频的具有不同比特率的所选片段的集合在单独的下载中不重复。此外，高速缓存的参与可能会导致高速缓存和服务器之间的频繁交替时，服务回客户端的视频片段的请求。这些观察保证了速率自适应算法设计的谨慎，并触发我们的分析，以表征HTTP流的网络内缓存的性能。我们的分析结果表明：（i）对于自适应流传输，高速缓存命中率的显著降低，在当今的互联网中具有典型的文件流行度分布;（ii）由于与客户端-服务器连接相比，客户端-高速缓存连接处的吞吐量（通常）更高，因此，由于速率自适应算法的误判，发生高速缓存-服务器振荡。最后，我们介绍了DASH-INC，一个框架，用于改进缓存网络中的视频流，包括转码和多个吞吐量估计。
2013-07-03 cs.NI
Energy-Efficient Adaptive Video Transmission: Exploiting Rate Predictions in Wireless Networks
移动视频流量的空前增长给网络和终端用户的能源消耗增加了巨大压力。因此，节能视频传输技术是必要的，以应对以可持续的成本满足用户需求的挑战。在本文中，我们研究了如何预测用户速率可以利用节能视频流与流行的基于HTTP的自适应流（AS）协议（如DASH）。为此，我们开发了一种节能的预测绿色流（PGS）优化框架，其利用无线数据率的预测来实现以下目标：1）在不引起流中断的情况下最小化所需的传输通话时间，2）对于BS可以在深度睡眠中关闭的情况，最小化总下行链路基站（BS）功耗，以及3）实现AS质量和能量消耗之间的折衷。我们的框架首先制定为一个混合线性规划（MILP）的多用户速率分配，视频段质量和BS发射功率的决定，共同优化。然后，提供一个在线的解决方案，我们提出了一个多项式时间的启发式算法，将PGS问题分为多个阶段。我们提供了一个性能分析所提出的方法通过模拟，数值结果表明，PGS框架产生显着的节能。
2014-03-31 cs.MM cs.NI
SDN enabled Information Centric Networking (ICN) as a Service prefetching mechanism for HyperText Transfer Protocol (HTTP) based services. The scalable video streaming case
HTTP在当今网络中的重要性是毋庸置疑的。作为一种增强QoS和增强可扩展性的解决方案，CDN网络已经被设计和部署。最近，已经设想了称为ICN的新范例，其将网络路由集中在内容本身而不是地址的地理附件上。软件定义网络（SDN）作为未来互联网（FI）架构的推动者，特别是ICN的推动者，已经研究了10年。我们已经提出了以信息为中心的网络即服务（ICNaaS）体系结构，以提供端到端的HTTP ICN类似的传输与HTTP网络内缓存已在本文中进行了彻底的评估。本文还提出了一种新的机制，我们命名为预取机制，以提高数据传输速率的第一个请求者，通常不能受益于以前访问相同的内容。为了评估和展示提议H.264/SVC视频流与DASH提供的可能性已经采用。
2020-05-15 cs.NI
ISP-friendly Peer-assisted On-demand Streaming of Long Duration Content in BBC iPlayer
为了寻找可扩展的解决方案，CDN正在探索P2P支持。然而，对等协助的益处可能受到各种障碍因素的限制，例如ISP友好性-要求对等体在同一ISP内，比特率分层-需要将对等体与需要类似比特率的其他对等体匹配，以及部分参与-一些对等体选择不重新分发内容。这项工作涉及潜在的收益从同行援助的平均用户数在一个群，其容量，并实证研究这些障碍因素的影响，在规模，使用长达一个月的跟踪超过200万用户在伦敦访问英国广播公司的节目在线。研究结果表明，即使P2P群集中在ISP内，也可以节省高达88%的流量。令人惊讶的是，比特率分层导致2个大的子群，并且不会显著影响节省。然而，部分参与和对最小群体规模的需要确实影响收益。我们调查的改进，以获得从增加内容的可用性，通过两个良好的研究技术：内容捆绑-结合多个项目，以增加可用性，和历史缓存以前观看的项目。捆绑被证明是无效的，因为来自较大捆绑的增加的服务器流量超过了可用性的好处，但是简单的缓存可以大大提高来自对等协助的流量收益。
2015-04-14 cs.NI
BRAVR: An AP-Assisted Online DRL Mechanism for Interactive VR Bitrate Adaptation over Wi-Fi
Universitat Pompeu Fabra（庞培法布拉大学）
针对Wi-Fi交互式VR流媒体在动态信道和竞争下的时延与可靠性挑战，提出基于深度强化学习的BRAVR机制，利用AP端网络统计优化比特率决策，在真实系统上验证了其QoS保障和公平性。
2026-06-24 cs.NI
Improving UE Energy Efficiency through Network-aware Video Streaming over 5G
蜂窝网络上的自适应比特率（ABR）流传输在文献中已经得到了很好的研究;然而，现有的ABR算法主要关注于提高终端用户的体验质量（QoE），而忽略了底层设备的资源消耗方面。因此，主动尝试下载视频数据以维持用户的QoE通常会影响底层设备的电池寿命，除非下载尝试与网络的信道条件同步。在这项工作中，我们开发了EnDASH-5G -一个包装在流行的基于DASH的ABR流算法，它建立了这种同步，利用网络感知的视频数据下载机制。EnDASH-5G通过利用公共可用的5G数据集的基于迁移学习的方法升级现有的吞吐量预测模型，为5G毫米波网络利用了一种新的吞吐量预测机制。然后，它利用深度强化学习来使用预测的吞吐量动态地决定回放缓冲区长度和视频比特率。这确保了数据下载尝试与底层网络条件同步，从而节省了设备的电池电量。从对EnDASH-5G的全面评估中，我们观察到它在最大能耗方面比最先进的Pensieve ABR算法实现了接近$30.5\%$的降低，同时在QoE方面几乎达到了标准。
2023-02-12 cs.NI
A Survey on Mobile Edge Computing for Video Streaming: Opportunities and Challenges
5G通信通过实现更高的吞吐量和更低的延迟，在提供给各种应用的服务质量方面带来了实质性的改进。然而，交互式多媒体应用（例如，超高清视频会议、3D和多视图视频流、众包视频流、云游戏、虚拟和增强现实）正变得越来越雄心勃勃，高容量和低延迟视频流对已经拥塞的网络提出了严格的要求。移动边缘计算（MEC）是将云计算能力扩展到网络边缘的新兴范例，即，在基站级别。为了满足延迟要求并避免与远程云数据中心的端到端通信，MEC允许存储和处理视频内容（例如，高速缓存、代码转换、预处理）。视频点播和直播视频流都可以利用MEC来改进现有服务并开发新的用例，例如视频分析和有针对性的广告。MEC有望通过提供超可靠和低延迟的流媒体（例如，在增强现实、虚拟现实和自主车辆中），普及计算（例如，在实时视频分析中），以及用于安全直播的区块链架构。本文对MEC支持的视频流的最新发展进行了全面调查，带来了前所未有的改进，以实现新的用例。详细回顾了最新的高速缓存方案、最佳计算卸载、协作高速缓存和卸载以及人工智能的使用（即，机器学习、深度学习和强化学习）。
2022-09-13 cs.MM cs.NI
Cache-Aware QoE-Traffic Optimization in Mobile Edge Assisted Adaptive Video Streaming
多接入边缘计算（MEC）能够将视频内容放置在网络边缘，旨在提高移动客户端的体验质量（QoE）。边缘服务器处的视频内容缓存还减少了移动网络回程中的流量，从而降低了移动网络运营商（MNO）的运营成本。然而，最小化高速缓存未命中率和最大化平均视频质量有时可能彼此矛盾，特别是当高速缓存大小受到约束时。我们在这篇文章中的目标是两个方面：首先，我们探索固定视频内容缓存对移动客户端的最佳QoE的影响，在移动网络边缘的服务器处理比特率选择的设置。其次，我们要研究缓存替换对QoE流量权衡的影响。针对联合最大化QoE、公平性以及最小化源视频服务器上的总数据流量的问题，制定了整数非线性规划（INLP）优化模型。由于其NP-困难性，我们然后提出了一个低复杂度的贪婪算法，最小需要的参数调整，可以很容易地部署。我们通过模拟表明，联合优化确实能够实现流量减少和QoE之间的理想权衡。结果还表明，在固定缓存内容的情况下，缓存对QoE的影响与MNO的期望操作点成比例。此外，当缓存大小受到约束时，缓存替换对QoE的影响与其对回程流量的影响相比不太明显。
2018-05-19 cs.NI
S2VC: An SDN-based Framework for Maximizing QoE in SVC-Based HTTP Adaptive Streaming
HTTP自适应流（HAS）正迅速成为互联网上用于自适应流的主导视频递送技术。仍然被认为是其主要挑战的是确定最佳速率适配和提高体验质量（QoE）和QoE公平性。大多数拟议的方法都依赖于当地的信息来找到结果。然而，采用提供网络资源的全面和集中视图的技术可以带来更多的性能增益。通过利用软件定义网络（SDN），本文提出了一种基于SDN的框架S2 VC，以最大化基于SVC的HTTP自适应流媒体的QoE指标和QoE公平性。所提出的框架确定用于将所请求的视频文件从HTTP媒体服务器递送到DASH客户端的最佳适配和数据路径。事实上，通过利用SDN控制器及其完整的网络视图，我们引入了SVC流优化器（SFO）应用模块，以集中和时隙的方式确定最佳解决方案。在目前的方法中，我们首先制定的问题作为一个混合整数线性规划（MILP）的优化模型。MILP的设计方式是应用定义的策略，例如为客户端设置获得视频质量的优先级。其次，我们证明了这个问题是NP-完全的，并提出了一个LP-松弛模型，使S2 VC框架在大规模网络上执行速率自适应。最后，我们通过在Mininet中仿真所提出的框架进行实验，使用Floodlight作为SDN控制器。在提高QoE公平性和QoE指标方面，通过与不同方法的比较，验证了所提出的框架的有效性。
2018-09-10 cs.NI
Poor Video Streaming Performance Explained (and Fixed)
基于HTTP的视频流是当今互联网上的关键应用，构成了当今互联网流量的大部分。然而，客户仍然对视频质量不满意，导致内容提供方的收入损失。最近的研究将此归咎于客户端播放器使用的自适应比特率选择（ABR）算法，声称当视频缓冲区满时，它与TCP的交互很差，这导致它低估了可用的网络带宽。我们发现，问题的根源在于数据平面，即使是一个完美的控制平面（ABR）算法是不够的，以保证视频流的公平共享网络带宽。也就是说，（小）视频段的顺序下载是错误的，因为它们破坏了TCP拥塞控制和路由器队列占用之间的正常交互。我们解析推导出的视频流的吞吐量作为下载大小和网络条件的函数，并使用它来开发一个自适应算法选择的下载大小。结合流水线，我们的方法实现了接近最佳的吞吐量和快速的比特率自适应，无论控制平面算法。我们将我们的方法实现为一个名为Sprint的DASH视频播放器，并根据文献中最先进的建议以及Netflix，Youtube，Hulu和Amazon的部署播放器对其进行评估。Sprint始终实现其公平份额吞吐量的90%以上，而之前的最先进技术表现出高可变性（例如，从31%到接近公平份额，取决于网络条件）。行业参与者往往实现低于50%的公平份额。
2018-12-31 cs.NI
Mobile P2P Trusted On-Demand Video Streaming
我们建议演示一个移动服务器辅助的P2P系统的点播视频流。我们提出的解决方案使用3G和ad-hoc Wi-Fi连接的组合，使移动设备能够以最小化3G带宽使用和成本的方式从集中式服务器下载内容。在定制的GUI上，我们展示了通过增加P2P和ad-hoc Wi-Fi网络中参与移动设备的数量来实现的3G带宽的相应减少，同时展示了每个移动设备上的良好视频播放质量。我们还演示了实现的信任机制，使手机只使用受信任的adhoc连接。该系统已在基于Android的智能手机上实现。
2012-03-31 cs.NI
WiFlix: Adaptive Video Streaming in Massive MU-MIMO Wireless Networks
我们考虑的问题，同时按需流存储的视频多个用户在多小区无线网络中，多个单播流会话并行运行，并共享相同的频带。每个流会话由视频“块”的顺序传输形成，使得每个块在其回放截止时间内到达对应的用户回放缓冲器。我们将问题公式化为网络效用最大化（NUM），其中目标是公平地最大化用户的视频流体验质量（QoE），然后使用李亚普诺夫优化导出迭代控制策略，该策略解决NUM问题达到任何精度水平，并产生在线协议，其中每次迭代的控制动作分解为由用户请求队列互连的两层：i）在每个用户节点处实现的使人联想到DASH的视频流适配层;所提出的块请求方案是一种拉策略，其中每个用户机会主义地从相邻基站请求视频块，并且基于请求队列的当前大小动态地适应其请求的质量。对于传输调度组件，我们首先描述了一般的最大权重调度器，然后将其具体化到无线网络中的基站具有多用户MIMO（MU-MIMO）波束成形能力。我们利用信道硬化效应的大规模MIMO信道（大规模MIMO），并设计了一个低复杂度的用户选择方案，以解决潜在的组合问题，选择用户子集的下行链路波束成形，可以很容易地实现，并在每个基站独立运行。
2015-05-26 cs.IT cs.NI math.IT
Digital Twin-Driven Network Architecture for Video Streaming
本文提出面向视频流的数字孪生驱动网络架构DTN4VS，通过多类数字孪生实现网络虚拟化与定制化管理，并给出数据利用、性能评估和模型更新方法及短视频切片案例。
2024-04-08 cs.NI
Joint Time-Domain Resource Partitioning, Rate Allocation, and Video Quality Adaptation in Heterogeneous Cellular Networks
异构蜂窝网络（HCN）在宏小区的传输范围内引入小小区。为了HCN的有效操作，重要的是高功率宏小区在适当的时间量内关闭其传输，以便低功率小小区进行传输。这是一种允许时域资源划分（TDRP）的机制，并且对于最大化完整HCN的吞吐量进行优化至关重要。在本文中，我们研究了在HCN的视频通信时，采用TDRP。在这样的HCN中定义用于视频流传输的详细系统模型之后，我们考虑通过联合优化HCN的TDRP、分配给每个特定用户的速率以及传输给用户的所选视频质量来最大化所有用户处的体验视频质量的问题。NP难问题的解决与原始-对偶近似算法，将问题分解成更简单的子问题，使他们能够快速知名的解决方案算法。因此，计算的解决方案可以在现实生活中的视频流会话的时间尺度上实施。这最后一个观察激励所提出的框架的增强，以支持通过HTTP的动态自适应流传输（DASH）的视频传输。我们广泛的模拟结果清楚地表明，需要我们的整体方法来提高视频质量和播放性能的视频流用户在HCN。
2015-06-27 cs.NI
Quality of Experience from Cache Hierarchies: Keep your low-bitrate close, and high-bitrate closer
最近对流媒体交付的研究表明，从缓存层次结构（如信息中心网络（ICN））获得的性能增益可能会被动态自适应流（DAS）否定，DAS是检索多媒体内容的实际方法。驱动视频流传输的比特率自适应机制与缓存层次结构发生冲突，从而影响用户的体验质量（QoE）。当消费者动态选择以不同比特率编码的内容时，缓存性能也会降低。在本文中，我们使用证据得出了一个新的见解：在自适应流媒体内容的缓存层次结构中，比特率应该优先于流行度和点击率或与流行度和点击率并列。基于这一见解，我们提出RippleCache作为一系列缓存放置方案，以保护边缘的高比特率内容，并将低比特率内容推送到网络核心。这样做可以减少缓存资源的争用以及网络中的拥塞。为了验证RippleCache的声明，我们构建了两个单独的实现。我们将RippleClassic设计为基准解决方案，通过最大化与QoE高度相关的缓存层次结构来优化内容放置。此外，我们的轻量级Ripplestrike然后重新设计与分布式执行在大规模系统中的应用。RippleCache的性能提升通过NS-3中针对最先进的基线方法进行的评估得到了加强，使用了DASH行业论坛定义的标准QoE指标。测量结果显示，RippleClassic和RippleWide提供的内容受到更少的振荡和重新缓冲，以及最高水平的视频质量，这表明QoE的整体改善。
2019-03-22 cs.NI
Characterizing Internet Video for Large-scale Active Measurements
高清晰度视频内容在网络上的可用性带来了显着的变化，在互联网视频的特性，但没有太多的研究已经做了这种变化后，视频的特征。视频长度、格式、目标比特率和分辨率等视频特征为设计自适应比特率（ABR）算法、调整动态自适应HTTP流媒体（DASH）播放器中的播放缓冲区大小、对视频帧大小的可变性进行建模等提供了有价值的输入。本文介绍了2013年和2014年收集的数据集，其中包含130多个，来自58个国家/地区YouTube观看次数最多（或最受欢迎）视频排行榜的000个视频。我们描述了YouTube上的视频的基本特征，每个类别，格式，视频长度，文件大小和数据率的变化，观察视频长度和文件大小符合对数正态分布。我们表明，三分钟的视频足以代表其即时数据率波动，我们可以推断数据率特性不同的视频分辨率从一个单一的给定的。基于我们的研究结果，我们设计了主动测量网络视频的性能。
2014-08-07 cs.MM cs.NI
Adaptive Video Streaming over LTE Unlicensed
在本文中，我们考虑的LTE-A网络，利用授权辅助接入（LAA），这是一个实例的LTE免授权的自适应视频流的问题。利用LTE，LTE-A网络的未授权用户通过载波聚合（CA）有机会从未授权和授权载波接入无线电资源。我们的目标是为每个LTE-A用户选择尽可能高的视频质量，同时还尝试及时传输视频数据以供回放，从而避免导致观看体验恶化的缓冲区欠载事件。然而，无线信道的不可预测性，以及其他未授权用户对未授权载波的未知利用，导致具有挑战性的优化问题。首先，我们专注于开发一个准确的系统模型的自适应流媒体系统，LTE-A，和随机可用的未授权资源。然后，在两个阶段中解决公式化的问题：首先，我们为每个用户计算按比例公平的视频质量，其次，我们在与LTE-A兼容的较短时间尺度上执行资源分配。我们比较我们的框架与典型的比例公平调度器，以及一个国家的最先进的LTE-A自适应视频流框架的平均段质量和缓冲区运行事件的数量。实验结果表明，所提出的质量选择和调度算法不仅在大多数情况下实现了更高的视频段质量，而且最大限度地减少了由于缓冲区欠载事件而导致的视频冻结的数量和持续时间。
2016-07-31 cs.NI
CSI-Assisted Edge SLAM Testbed Platform for 5G Connected Unmanned Autonomous Vehicles
Faculty of Technical Sciences, University of Novi Sad, Serbia（技术科学学院，诺维萨德大学，塞尔维亚）
本文针对5G连接无人自动驾驶车辆，设计实现CSI辅助边缘SLAM测试平台，集成UGV、ROS2框架及5G O-RAN系统，提供端到端跨层视角，分析相关通信传输并讨论CSI机制，揭示关键挑战，为6G机器人平台提供见解。
2026-07-14 cs.NI cs.RO
On the Efficiency and Fairness of Multiplayer HTTP-based Adaptive Video Streaming
Carnegie Mellon University（卡内基梅隆大学）
本文从控制理论视角出发，探讨多玩家视频流媒体中的效率与公平性问题，提出非线性MPC算法提升带宽分配效率。
2016-08-29 cs.MM cs.NI cs.SY
SemABR: Measuring Video Semantic Fidelity with Multimodal LLMs for Adaptive Bitrate Streaming
The Chinese University of Hong Kong（香港中文大学）
提出SemABR，利用多模态大语言模型定义视频语义保真度指标，并嵌入5G资源分配框架，在比特率受限时减少语义损失，优于传统方法。
2026-09-17 cs.MM cs.NI
TaNG: Modeling Packet Classification with TSS-assisted Neural Networks on GPUs
Shanghai Jiao Tong University（上海交通大学）；Zhejiang Normal University（浙江师范大学）；Huawei Technologies（华为技术有限公司）
TaNG通过GPU加速和TSS辅助神经网络，实现高效包分类，提升吞吐量和稳定性
2026-01-06 cs.NI
Digital Twin Based User-Centric Resource Management for Multicast Short Video Streaming
针对组播短视频流中用户需求动态多样的问题，提出基于数字孪生的以用户为中心的资源管理方案，通过UDT预测资源需求并求解优化问题，提升满意度且降低消耗。
2023-08-17 cs.NI
PLVER: Joint Stable Allocation and Content Replication for Edge-assisted Live Video Delivery
直播服务近年来非常受欢迎。由于实时视频的尖峰流量模式，利用分布式边缘服务器来提高观众的体验质量（QoE）如今已成为一种常见的做法。然而，当前客户端驱动的内容缓存机制不支持从云到边缘的预先缓存，导致直播视频交付中大量缓存丢失。为了解决上述问题，最先进的研究通常会牺牲所传输视频的活跃度。本文结合视频直播和边缘服务器的特点，提出了一种主动的视频直播推送方案PLVER，以解决视频直播中缓存丢失的问题。具体而言，PLVER首先在边缘集群和用户组之间进行一对多的稳定分配，以平衡边缘服务器上的实时流量负载。然后采用主动式视频复制算法来加快边缘服务器之间的视频复制速度。我们进行广泛的跟踪驱动评估，覆盖30万Twitch观众和300多个Twitch频道。结果表明，与基于拍卖的复制方法和按请求时间缓存方法相比，使用PLVER，边缘服务器可以分别多承载28%和82%的流量。
2020-06-12 cs.NI
COMETS: Coordinated Multi-Destination Video Transmission with In-Network Rate Adaptation
The Hong Kong University of Science and Technology, Guangzhou（香港科技大学（广州））；The Hong Kong University of Science and Technology（香港科技大学）；University of Jyväskylä（于韦斯屈莱大学）
COMETS通过协调多目的地视频传输与网络内速率自适应，提升带宽利用率和用户体验质量。
2026-01-26 cs.MM cs.NI eess.IV
Wireless Video Caching and Dynamic Streaming under Differentiated Quality Requirements
本文考虑一跳设备到设备（D2D）辅助无线缓存网络，缓存不同质量级别的视频文件，假设基站可以控制视频质量，但缓存设备不能。在这样的缓存网络中出现了两个问题：文件放置问题和节点关联问题。本文提出了一种方法来缓存不同质量的视频，从而不同的文件大小，通过最大化的视频质量措施，用户可以享受的总和。在视频质量和视频多样性之间存在有趣的折衷，即，提供各种视频文件的能力。通过缓存高质量的文件，启用缓存的设备可以提供高质量的视频，但不能缓存各种文件。相反，当设备缓存各种文件时，它不能为请求文件的用户提供良好的质量。此外，当多个设备缓存相同的文件但它们的质量不同时，文件传递需要高级节点关联。本文提出了一种节点关联算法，最大限度地提高时间平均视频质量的多个用户下的播放延迟约束。在该算法中，我们还考虑了请求冲突，即多个用户同时向同一设备请求文件的情况，我们提出了两种方法来应对冲突：一个用户的调度和非正交多址接入。仿真结果验证了所提出的缓存方法和节点关联算法的可靠性。
2018-06-05 cs.NI
PoliFi: Airtime Policy Enforcement for WiFi
随着WiFi越来越受欢迎，通话时间争夺成为一个日益严重的问题。缓解这种情况的一种方法是通过网络策略实施。不幸的是，WiFi缺乏用于为其使用配置策略的协议支持，并且由于通常不能确保网络范围的协调，因此强制执行策略是具有挑战性的。然而，正如我们在以前的工作中所示，接入点可以通过改变其传输机会的调度来影响连接设备的行为，这可以用于实现通话时间公平性。在这项工作中，我们表明，这种机制可以扩展到成功地执行无线网络中的通话时间使用策略。我们实现这一点作为我们以前的通话时间公平性工作的扩展，并提出PoliFi，由此产生的政策执行系统。我们的评估表明，PoliFi可以表达一系列有用的政策。这些包括特定设备的优先级;平衡不同逻辑网络或网络切片之间共享的设备组;以及限制设备组实现访客网络或其他低优先级服务。我们还展示了如何使用这些来提高现实世界的DASH视频流应用程序的性能。
2019-02-09 cs.NI
SafeSABR: Risk-Calibrated Adaptive Bitrate Streaming over Starlink Networks
Ningbo Artificial Intelligence Institute, Shanghai Jiao Tong University（宁波人工智能研究院）；School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交大自动化与智能感知学院）；Key Laboratory of System Control and Information Processing, Ministry of Education of China（系统控制与信息处理教育部重点实验室）；Shanghai i-Space Orbital Computing Infrastructure Technology Co., Ltd.（上海i-Space轨道计算基础设施技术有限公司）；Ningbo Industrial Internet Institute（宁波工业互联网研究院）
针对星链网络吞吐量波动导致的严重会话级缓冲问题，提出SafeSABR框架，通过行为克隆预训练、风险校准强化学习微调和运行时安全审计，在保持高体验质量的同时显著降低严重卡顿会话比例。
2026-05-27 cs.NI cs.SY eess.SY
Open RAN-Enabled Deep Learning-Assisted Mobility Management for Connected Vehicles
Centro de Informática (CIn) Universidade Federal de Pernambuco (UFPE)（伯南布哥联邦大学信息中心）
针对高移动性场景下网联车辆因基站频繁切换导致通信中断与服务质量下降的问题，提出基于Open RAN与深度学习的移动性管理方案，在近实时RIC中部署xApps，经真实城市场景验证，性能优于标准3GPP切换流程且时延更低。
2024-12-30 cs.AI cs.NI
DiffPerf: Towards Performance Differentiation and Optimization with SDN Implementation
School of Computing, National University of Singapore（新加坡国立大学计算机学院）；Trustwave, Singapore（Trustwave）；Bigo Technology Pte Ltd, Singapore（Bigo Technology Pte Ltd）
DiffPerf通过SDN实现网络性能差异化与优化，动态分配带宽并隔离用户流以提升视频流媒体质量。
2020-12-06 cs.NI
