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
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
Cybersickness-aware Tile-based Adaptive 360° Video Streaming
与传统视频相比，虚拟现实（VR）中的成像是360°的，并且它消耗更大的带宽来传输视频内容。为了减少带宽消耗，已经提出了基于瓦片的流传输来传送视频的聚焦部分，而不是整个视频。另一方面，减轻晕动病的技术，这是类似于晕动病和使用数字显示器时发生的，还没有与VR中的瓷砖选择共同探索。在本文中，我们研究了自适应360°视频流系统中的晕电控制（TSCC）的瓷砖选择与晕电缓解。我们提出了一个m-竞争的在线算法与Cybersickness指标（CI）和视频丢失指标（VLI）来评估即时cybersickness和视频质量的总损失。此外，该算法利用疾病迁移指标（SMI），以评估随着时间的推移和增加的光流，以提高瓦片质量分配的cybersickness积累。一个真实的网络数据集的模拟表明，我们的算法优于基线的视频质量和cybersickness积累。
2021-10-04 cs.MM cs.NI
Dynamic Adaptive Point Cloud Streaming
高质量的点云最近作为一种新兴的表现沉浸式3D图形的形式获得了关注。不幸的是，这些3D媒体体积庞大且严重占用带宽，这使得难以流传输到资源有限的移动设备。这就要求研究人员提出高效和自适应的方法来流式传输高质量的点云。在本文中，我们对动态自适应点云流进行了初步研究，并将HTTP上的动态自适应流（DASH）的概念扩展到DASH-PC，一个动态自适应带宽效率和视图感知的点云流系统。DASH-PC可以解决密集点云流的巨大带宽需求，同时可以在语义上与人类视觉敏锐度相关联，以在需要时保持高视觉质量。为了描述各种质量表示，我们提出了多种细化方法来在3D空间中对点云进行空间子采样，并设计了一个专门用于点云流的DASH媒体呈现描述清单。我们的初步评估表明，我们可以实现显着的带宽和性能提高密集的点云流与轻微的负面质量影响相比，基线方案时，没有适应。
2019-04-08 cs.MM
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。
2025-08-01 cs.MM cs.NI
Price-based Controller for Quality-Fair HTTP Adaptive Streaming (Extended Version)
HTTP自适应流（HAS）已经成为用于因特网上的视频流的通用技术。许多HAS系统设计旨在以速率公平的方式共享网络带宽。然而，速率公平性通常不等同于质量公平性，因为不同的视频序列可能具有不同的特性和资源要求。在这项工作中，我们专注于这一限制，并提出了一种新的控制器HAS客户端，能够达到质量的公平性，同时保持HAS系统的主要特点，并从网络设备的支持有限。特别是，我们采用了基于价格的机制，以建立一个控制器，最大限度地提高聚合视频质量的一组HAS客户端共享一个共同的瓶颈。当网络资源稀缺时，具有简单视频序列的客户端降低所请求的比特率，以有利于订阅更复杂视频序列的用户，从而导致更有效的网络使用。所提出的控制器已在网络模拟器中实现，模拟结果表明它能够以质量公平的方式在HAS用户之间共享可用带宽。
2017-01-05 cs.MM cs.NI
Evaluating the Impact of Tiled User-Adaptive Real-Time Point Cloud Streaming on VR Remote Communication
远程通信已迅速成为日常生活的一部分，在专业和个人环境。然而，流行的视频会议应用在通信质量、沉浸感和社会意义方面存在限制。VR远程通信应用程序提供了远程用户之间更大的共同存在感和情感的相互感知。以前对这些应用程序的研究表明，与合成用户化身相比，逼真的点云用户重建提供了更好的沉浸感和交流。然而，真实感点云需要每帧大量的数据，并且在带宽有限的网络上传输具有挑战性。最近的研究表明，通过使用用户自适应流媒体，基于用户视口的位置和方向来优化带宽的使用，感知质量得到了显着改善。在这项工作中，我们开发了一个实时的【形】VR通信应用程序，具有适应引擎，其功能是基于用户行为的平铺用户自适应流。该应用程序还支持传统的网络自适应流。这项工作的贡献是评估平铺的用户自适应流媒体对通信质量，视觉质量，系统性能和任务完成的影响，在一个功能活VR远程通信系统。我们与33名用户进行主观评价，比较不同的流条件与颈部运动训练任务。作为一个基线，我们使用未压缩的流，需要ca。300 Mbps，我们的解决方案实现了类似的视觉质量与平铺自适应流在14 Mbps。我们还展示了统计上显着的收益，互动的质量和改善系统性能和CPU消耗与平铺自适应流相比，更传统的网络自适应流。
2022-05-10 cs.MM
CBA: Contextual Quality Adaptation for Adaptive Bitrate Video Streaming (Extended Version)
质量自适应算法的最新进展使自适应比特率（ABR）流传输架构处于十字路口：当确定可持续的视频质量时，可以依赖于在客户端有利位置收集的信息，也可以依赖于服务器和网络辅助。这里的基本问题是确定这两种信息对适应决策的价值。这个问题在未来的互联网设置中变得特别困难，例如命名数据网络（NDN），其中不存在网络连接的概念。在本文中，我们提供了一个新的观点ABR质量适应QoE最大化，我们正式作为一个决策问题下的不确定性，并为此我们贡献了一个稀疏贝叶斯上下文强盗算法表示CBA。这允许获取高维流上下文信息，包括客户端测量的变量和网络辅助，以在线找到用于质量适配的最有价值的信息。由于稀疏贝叶斯估计是计算昂贵的，我们开发了一个快速的新的推理方案，以支持在线视频自适应。我们进行了广泛的评估，我们的自适应算法在特别具有挑战性的设置NDN，在那里我们使用仿真测试床，以证明CBA的功效相比，国家的最先进的算法。
2019-01-17 cs.MM cs.NI
A Hybrid Control Scheme for Adaptive Live Streaming
直播流媒体比点播流媒体更具挑战性，因为除了视频质量和回放中的抖动之间的权衡之外，低延迟也是一个强烈的要求。为了平衡几个内在冲突的性能指标并提高整体体验质量（QoE），已经提出了许多自适应方案。比特率自适应是时变网络条件下视频流的主要解决方案之一，结合自适应播放速率控制和丢帧等延迟控制方法，效果更佳。然而，它仍然是一个具有挑战性的问题，设计一个算法，将这些自适应方案结合在一起。为了解决这个问题，我们提出了一种基于启发式播放速率控制、时延约束比特率控制和面向QOE的自适应丢帧的自适应直播混合控制方案，即HYSA。该方案利用考夫曼的自适应移动平均（KAMA）预测段比特率更好的速率决策。大量的模拟表明，HYSA优于大多数现有的适应计划的整体QoE。
2019-10-14 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
Cumulative Quality Modeling for HTTP Adaptive Streaming
由于Web平台和宽带连接的丰富性，HTTP自适应流已经成为当今多媒体传输的事实上的选择。然而，由于带宽波动，自适应视频流传输的视觉质量在会话期间可能强烈波动。因此，随着时间的推移评估流会话的质量是很重要的。在本文中，我们提出了一个模型来估计HTTP自适应流的累积质量。在该模型中，一个滑动窗口的视频片段被用作基本的构建块。通过使用主观数据集的统计分析，我们确定了累积质量模型的三个重要组成部分，即最小窗口质量，最后一个窗口质量和平均窗口质量。实验结果表明，该模型具有较高的预测性能，优于相关的质量模型。此外，所提出的模型的另一个优点是它的简单性和有效性的部署在实时估计。拟议模型的源代码已在https://github.com/TranHuyen1191/CQM上向公众提供。
2020-02-25 cs.MM
Content-adaptive Encoder Preset Prediction for Adaptive Live Streaming
在实时流媒体应用中，通常使用一组固定的比特率-分辨率对（称为比特率阶梯）来避免额外的预处理运行时间，以分析每个视频内容的复杂度并确定优化的比特率阶梯。此外，实时编码器使用最快的可用预设进行编码，以确保流媒体中的最小延迟。对于实时编码器，期望编码速度等于视频帧率。优化的编码预设可以导致（i）增加的体验质量（QoE）和（ii）在编码时提高的CPU利用率。针对这种情况，本文提出了一种适用于自适应直播视频流应用的内容自适应编码器预设预测方案（CAPS）。在该方案中，编码器预设是使用离散余弦变换（DCT）的能量为基础的低复杂度的空间和时间特征的每个视频片段，分配给每个编码实例的CPU线程的数量，和目标编码速度。实验结果表明，与使用x265 HEVC开源编码器的HTTP Live Streaming（HLS）比特率阶梯的最快预设编码相比，CAPS在相同比特率下产生0.83 dB PSNR和3.81 VMAF的整体质量改进。这是通过保持所需的编码速度和减少CPU空闲时间来实现的。
2022-10-19 cs.MM
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。
2022-02-25 cs.CV cs.MM
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
Cross-Layer Effects on Training Neural Algorithms for Video Streaming
目前，HTTP上的动态自适应流（DASH）是互联网上用于多媒体流的最流行的解决方案，并且负责大部分全球流量。DASH使用自适应比特率（ABR）算法，该算法考虑诸如吞吐量和播放缓冲器水平的性能度量来选择视频质量。Pensieve是一个允许在模拟网络环境中使用强化学习来训练ABR算法的系统，并且在实现的性能方面优于现有方法。在本文中，我们证明了训练的ABR算法的性能取决于用于训练的神经网络的模拟环境的实施。我们还表明，所使用的拥塞控制算法的影响，由于跨层效应的算法的性能。
2018-09-27 cs.MM cs.NI
Viewport-aware adaptive 360° video streaming using tiles for virtual reality
在虚拟现实（VR）的背景下，360°视频吸引了越来越多的关注。由于其非常高的分辨率要求，用于360°视频的现有专业流媒体服务存在严重的缺点。本文介绍了一种新颖的端到端流媒体系统，从编码到显示，传输8 K分辨率的360°视频，并使用盔装显示器（HMD）提供增强的VR体验。所提出的系统的主要贡献是关于平铺，MPEG-HTTP动态自适应流（DASH）标准的集成，以及视口感知比特率级别选择。平铺和自适应流使得所提出的系统能够以良好的视觉质量提供非常高分辨率的360°视频。此外，所提出的视口感知比特率分配以视口感知方式为每个区块选择最佳DASH表示。所提出的系统的质量性能进行了验证，在不同的网络带宽，从用户实验记录的逼真的视图轨迹的模拟。我们的研究结果表明，所提出的流媒体系统相比，现有的方法在PSNR和SSIM内的视口。
2017-11-07 cs.MM
Towards Railways Remote Driving: Analysis of Video Streaming Latency and Adaptive Rate Control
本文针对铁路远程驾驶的视频流低延迟需求，比较了RTSP和WebRTC协议，提出端到端延迟解析计算方法与自适应码率控制算法，以在避免视觉伪影的同时尽可能降低延迟，并在多种场景下验证了有效性。
2024-06-04 cs.MM cs.NI
Context-Aware Adaptive Prefetching for DASH Streaming over 5G Networks
针对5G网络中DASH流媒体传输，本文提出一种基于机器学习分类模型的MEC上下文感知自适应预取机制，利用媒体会话指标选择预取片段，以降低网络流量并提升QoS和QoE。
2023-11-13 cs.MM cs.NI
Real Time Video Quality Representation Classification of Encrypted HTTP Adaptive Video Streaming - the Case of Safari
Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Ariel University（阿里尔大学）
HTTP自适应视频流服务的日益普及大大增加了运营商网络的带宽要求，运营商网络试图通过深度数据包检测（DPI）来塑造其流量。不过，谷歌和某些内容提供方已经开始对他们的视频服务进行加密。因此，运营商在通过DPI塑造其加密视频流量时经常遇到困难。这突出了对加密HTTP自适应视频流的新流量分类方法的需求，以实现智能流量整形。这些新方法必须有效地估计质量表示层和播放缓冲区。我们提出了一种新的方法，并首次表明（YouTube）加密HTTP自适应流的视频质量表示分类是可能的。我们分析了这种分类方法与Safari在HTTPS上的性能。基于大量的离线和在线流量分类实验，我们证明了它可以独立地分类，在实时的，每个视频片段到一个质量表示层，平均准确率为97.18%。
2016-02-19 cs.CR cs.LG cs.MM
Encoding Bitrate Optimization Using Playback Statistics for HTTP-based Adaptive Video Streaming
HTTP视频流被广泛用于在互联网上传输视频。通过HTTP自适应流传输，视频回放基于可用带宽和视口（屏幕）大小从预编码表示中动态选择视频流。因此，观看者的视频质量受到编码比特率的影响。我们最小化的平均交付的比特率受到质量下限的基础上，每个块通过建模的概率，玩家选择一个特定的编码。通过仿真和实际实验，该方法在保证平均视频传输质量的前提下，与现有技术相比节省了9.6%的带宽。
2017-10-13 cs.MM
Delay-Sensitive and Power-Efficient Quality Control of Dynamic Video Streaming using Adaptive Super-Resolution
近十年来，视频流的自适应质量控制和超分辨率技术得到了深入的研究。随着边缘设备的改进，使其具有比以往任何时候都更出色的处理能力，流媒体用户可以提高接收到的图像质量，从而允许发射机压缩图像以节省功率或追求网络效率。在这个意义上说，本文提出了一种新的动态视频流算法，自适应压缩视频块在发送器和单独提高在接收器使用SR的质量。为了允许传输的视频块具有不同的压缩级别和控制的计算负担，我们提出了自适应SR网络，这是通过最小化从不同层输出提取的损失的加权和优化。用于动态视频流。此外，我们共同编排视频传输和资源使用，和建议的视频传输方案之间的平均视频质量，排队延迟，缓冲时间，传输功率和计算能力的权衡很好地平衡。仿真结果表明，该方案在不需要收发双方协作和非自适应SR网络的情况下，对视频流服务质量（QoS）的追求优于自适应质量控制。
2021-10-12 cs.DC cs.MM
Estimation of optimal encoding ladders for tiled 360° VR video in adaptive streaming systems
鉴于虚拟现实（VR）需求的显着工业增长，360°视频流是最重要的VR应用之一，需要成本最优的解决方案来实现VR技术的广泛普及。由于数据密集型内容类型的固有可变性及其基于平铺的编码和流传输，360°视频需要自适应流传输系统中的新编码阶梯，以实现成本最优和沉浸式流传输体验。在此背景下，本文针对提供商和客户端的角度，并介绍了一种新的内容感知编码阶梯估计方法的自适应流媒体系统中的平铺360° VR视频。该方法首先根据360°视频编码复杂度的特点对视频进行分类，然后根据提出的失真和资源代价模型估计每个比特率级别的视觉失真和资源代价。然后，通过考虑实际约束条件，使用所提出的整数线性规划（ILP）算法形成最优编码阶梯。所提出的方法的实验结果进行了比较，推荐的专业流媒体服务提供商的编码阶梯。评估表明，所提出的编码阶梯提供更好的结果相比，推荐的编码阶梯的客观质量为360°视频，提供最佳的编码阶梯使用一组服务提供商的约束参数。
2017-11-09 cs.MM
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
REVISION: A Roadmap on Adaptive Video Streaming Optimization
本文提出REVISION路线图，通过优化三角形和三层架构系统梳理自适应视频流媒体的目标、输入与动作，以提升消费电子设备的QoE。
2024-09-09 cs.MM
Streaming Video over HTTP with Consistent Quality
在传统的基于HTTP的自适应流传输（HAS）中，视频源以恒定比特率表示的多个级别进行编码，并且客户端根据测量的网络带宽进行其表示选择。虽然极大地简化了对变化的网络条件的适应，但这种策略并不是优化最终用户体验的视频质量的最佳方法。如果考虑到视频内容的自然变化，则可以减少质量波动。在这项工作中，我们研究了客户端速率自适应算法的设计，以产生一致的视频质量。我们假设客户端在有限的范围内可以看到传入的视频。我们还利用客户端视频缓冲区，将其用作呼吸空间，不仅用于网络带宽变化，还用于视频比特率变化。然而，挑战在于如何平衡这两个可变性，以产生一致的视频质量，而不冒缓冲区欠载的风险。我们提出了一个优化解决方案，使用在线算法来适应视频比特率逐步，而应用动态规划在每一步。我们将我们的解决方案，PANDA -一个实用的速率自适应算法设计的HAS部署规模。
2014-01-21 cs.MM cs.NI
Adaptive Social Metaverse Streaming based on Federated Multi-Agent Deep Reinforcement Learning
针对社交元宇宙中隐私保护与高质量低延迟流媒体传输的冲突，提出基于联邦多智能体近端策略优化的ASMS系统，动态调整比特率，在保护隐私的同时将用户体验提升至少14%。
2025-06-19 cs.AI cs.LG cs.MM
A Control-Theoretic Approach to Adaptive Video Streaming in Dense Wireless Networks
最近，人们消费视频内容的方式正在发生巨大的变化。长期以来一直是家庭娱乐中心的普通电视机正在失去混合电视、PC、游戏机以及最近的平板电脑和智能手机等移动设备的优势。新的主导范式是：看我想要的，当我想要的时候，我想要的地方。这种转变的挑战是多方面的。一方面，DVB-T/C/S等广播技术需要扩展或被支持异步观看的机制所取代，如IPTV和尽力而为网络上的视频流，同时保持可扩展性以适应数百万用户。另一方面，无线数据流量的急剧增加开始将现有无线基础设施的能力扩展到其极限。最后，视频流技术面临着应对终端用户设备的高度异构性和动态变化的网络条件的挑战，特别是在无线和移动网络中。在目前的工作中，我们的目标是设计一个高效的系统，支持大量的单播流会话在密集的无线接入网络。我们共同考虑无线传输调度和视频质量自适应的两个问题，使用比例-积分-微分（PID）控制器的鲁棒性和简单性的启发技术来解决这个目标。我们表明，控制理论的方法可以有效地利用可用的无线资源，提供高质量的体验（QoE）的大量用户。
2015-02-10 cs.MM cs.NI
FAURAS: A Proxy-based Framework for Ensuring the Fairness of Adaptive Video Streaming over HTTP/2 Server Push
HTTP/2视频流在过去几年的多媒体技术发展中引起了很多关注。在HTTP/2中，服务器推送机制允许服务器在单个请求中向客户端发送更多的视频片段，以处理请求爆炸问题。因此，最近的研究工作一直集中在利用这样的功能来增强流体验，同时减少请求相关的开销。然而，目前的作品只优化单个客户端的性能，没有必要的关注可能对同一网络中的其他客户端的影响。当多个流媒体客户端在HTTP/1.1中竞争共享带宽时，它们可能会遭受不公平性，这被定义为它们的比特率选择的不平等。对于HTTP/1.1，已有的工作证明了网络辅助解决方案在解决不公平问题上是有效的。然而，尚未研究将这种方法用于HTTP/2服务器推送的可行性。因此，在本文中，提出了一种新的基于代理的框架，以克服不公平的问题，在HTTP/2的自适应流与服务器推。实验结果证实了该框架在保证公平性、帮助客户端避免重缓冲事件和降低比特率下降幅度方面的优越性，同时保持了服务器推送功能的机制。
2020-03-19 cs.MM
Sequential Reinforced 360-Degree Video Adaptive Streaming with Cross-user Attentive Network
在基于瓦片的360度视频流中，预测用户的未来视点和开发自适应比特率（ABR）算法对于优化用户体验质量（QoE）至关重要。传统的基于单用户的视点预测方法在长期预测中无法取得良好的性能，而最近提出的基于强化学习（RL）的ABR算法在传统视频流中的应用由于动作空间的指数性而不能直接应用于基于瓦片的360度视频流。因此，我们提出了一个顺序增强的360度视频流方案与跨用户注意网络。首先，考虑到不同用户对同一视频可能具有相似的观看偏好，提出了一种跨用户注意网络（CUAN），通过选择性地利用跨用户信息来提高长期视点预测的性能。其次，我们提出了一个顺序的基于RL（360 SRL）的ABR方法，通过引入一个顺序的决策结构，将每个决策步骤的动作空间大小从指数转换为线性。我们使用跟踪驱动的实验和实验结果表明，CUAN和360SRL优于现有的视点预测和ABR方法，具有显着的利润。
2020-09-29 cs.MM
A Novel Adaptation Method for HTTP Streaming of VBR Videos over Mobile Networks
最近，HTTP流已经变得非常流行，用于在互联网上传输视频。对于自适应性，提供者应该生成视频的多个版本以及相关的元数据。已经提出了各种自适应方法来支持流客户端应对强带宽变化。然而，大多数现有方法仅针对恒定比特率（CBR）视频。在本文中，我们提出了一种新的方法，在按需流的可变比特率（VBR）视频的质量自适应。为了应对VBR比特率的强烈变化，我们使用本地平均比特率作为版本的代表比特率。然后提出了一种基于缓冲区的算法，以保守地适应视频质量。通过实验，我们表明，我们的方法可以提供质量稳定性以及缓冲区的稳定性，即使在非常强烈的变化的带宽和视频比特率。
2015-11-09 cs.MM
Serverless Streaming for Emerging Media: Towards 5G Network-Driven Cost Optimization
沉浸式3D媒体是一种新兴的媒体类型，其捕获、编码和重建人和物体的3D外观，在远程呈现、电话会议、娱乐、游戏和其他领域中具有应用。在本文中，我们讨论了一个新的概念，在无服务器设置的现场3D沉浸式媒体流。特别是，我们提出了一种新的网络为中心的自适应流框架，它偏离了传统的基于客户端的自适应流在2D视频。在我们的框架中，通过考虑消费者指标与供应成本并基于它们推断预期的消费者体验和行为质量，以集中的方式做出转码配置文件的生产决策。此外，我们还证明了在一些常见的沉浸式3D媒体场景下，无服务器模式的天真应用程序可能是次优的。
2021-02-09 cs.MM cs.NI
Adaptive Rate Allocation for View-Aware Point-Cloud Streaming
在场景中的视点相关的点云流的上下文中，我们的速率分配是“自适应的”，在这个意义上，它的优先级点云模型取决于相机视图和对象的可见性和它们的距离，如所描述的。该算法将更高的比特率传递给用户视口内部的点云模型，更可能让用户观看，或者更接近视图相机，而将较低的质量水平传递给用户直接视口外部或更远离相机的点云模型。为此，我们在此解释多点云流式传输的上下文中的速率分配问题，其中多个点云模型旨在流式传输到目标设备，并提出速率分配启发式算法以实现该上下文中的自适应。据我们所知，这是第一个工作的数学模型，并提出了一个速率分配启发式算法的上下文中的点云流。
2019-11-03 cs.MM
Adaptive 360 VR Video Streaming based on MPEG-DASH SRD
我们展示了一个基于MPEG-DASH SRD的自适应带宽高效的360 VR视频流系统。我们将MPEG-DASH SRD扩展到360 VR视频的3D空间，并展示了一种动态视图感知自适应技术，以解决将360 VR视频流传输到无线VR头显的高带宽需求。我们在空间上将底层3D网格划分为多个3D子网格，并构造一个高效的3D几何网格称为hexaface球体，以最佳地表示3D空间中的平铺360 VR视频。然后，我们在编码和打包时将360个视频在空间上划分为多个区块，使用MPEG-DASH SRD来描述3D空间中区块的空间关系，并优先考虑视场（FoV）中的区块以进行视图感知自适应。我们的初步评估结果表明，与未应用自适应的基线场景相比，我们可以节省高达72%的360 VR视频流所需带宽，并且对质量的影响较小。
2017-01-23 cs.MM
Optimal Layered Representation for Adaptive Interactive Multiview Video Streaming
我们考虑一个交互式多视图视频流（IMVS）系统，客户端选择他们的首选观点在一个给定的导航窗口。为了提供高质量的IMVS，许多高质量的视图应该被传输到客户端。然而，由于客户端的有限和异构的能力，这并不总是可能的。在本文中，我们提出了一种新的自适应IMVS解决方案的基础上分层多视图表示，摄像机视图被组织成分层的子集，以匹配不同的客户端的约束。我们制定了一个优化问题的联合选择的意见子集和他们的编码率。然后，我们提出了一个最佳的和一个减少计算复杂性的贪心算法，都是基于动态规划。仿真结果表明，我们的新算法相比，基线算法的良好性能，证明了一个有效的IMVS自适应解决方案应考虑场景内容和客户端的能力和他们的喜好在导航。
2015-06-25 cs.MM
CAGS: Color-Adaptive Volumetric Video Streaming with Dynamic 3D Gaussian Splatting
Simon Fraser University（西蒙弗雷泽大学）；Jiangxing Intelligence Inc.（江行智能有限公司）；McGill University（麦吉尔大学）；Nankai University（南开大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Fuzhou University（福州大学）；Southeast University（东南大学）
本文提出CAGS系统，通过向量量化建立LOD并利用低分辨率参考图像校正颜色失真，提升体视频流媒体在带宽波动下的PSNR性能和渲染效率。
2026-05-10 cs.CV cs.GR cs.MM
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
Optimized Adaptive Streaming Representations based on System Dynamics
自适应流媒体通过为每个视频序列提供多个编码版本来解决互联网上日益增长的多媒体内容的异构需求。每个版本（或表示）都有不同的分辨率和比特率，针对特定的用户集，如电视或手机客户端。虽然大多数现有的自适应流处理有效的播放控制策略在客户端，我们在本文中提供商的角度来看，并提出解决方案，以提高用户满意度，通过优化的视频序列的编码速率。我们制定了一个整数线性规划，最大限度地提高用户的平均满意度，考虑到网络动态，视频内容的信息，和用户群体的特点。优化的解决方案是一组编码参数，允许创建不同的流，以鲁棒地满足用户的请求随着时间的推移。我们模拟多个自适应流会话的特点是现实的网络连接模型，其中所提出的解决方案优于常用的供应商的建议，在用户满意度方面，但也在公平性和中断概率。仿真结果进一步表明，视频内容信息以及网络约束和用户的统计数据在选择合适的编码参数以提供公平性和减少网络资源使用方面起着至关重要的作用。最后，我们提出了一些实用的指导方针，可用于选择基于用户群的特性，网络容量和视频内容的类型的编码参数。
2014-10-16 cs.MM
Joint Optimization of QoE and Fairness Through Network Assisted Adaptive Mobile Video Streaming
MPEG最近提出了用于因特网上的视频流传输的HTTP上的服务器和网络辅助的动态自适应流传输（SAND-DASH）。与每个客户端自行决定调整其比特率的纯粹基于客户端的视频流传输相比，SAND-DASH使一组同时的客户端能够以协调的方式选择其比特率，以提高资源利用率和体验质量。在本文中，我们研究了这样的适应策略的性能相比，传统的方法与大量的客户端具有移动互联网接入。我们提出了一个多服务器多协调器（MS-MCs）框架模型组的远程客户端访问视频内容复制到空间分布的边缘服务器。然后，我们制定了一个优化问题，以最大限度地提高各个客户端的QoE，在分配基站的有限资源，以及平衡多个服务之间的利用资源的比例公平。然后，我们提出了一个有效的基于启发式的解决方案的问题，并进行模拟，以探索该方案的参数空间，以及比较性能纯粹基于客户端的DASH。
2017-08-09 cs.MM
Just Noticeable Difference-aware Per-Scene Bitrate-laddering for Adaptive Video Streaming
针对自适应视频流固定码率阶梯的不足，提出JND感知的逐场景码率阶梯预测方案JASLA，通过复杂度特征联合优化分辨率与CRF并剔除低失真对，实现码率与存储成本的显著降低。
2023-04-29 cs.MM
Towards Better Quality of Experience in HTTP Adaptive Streaming
HTTP自适应流（HAS）是当今流行的多媒体交付解决方案。HAS的新颖性在于通过自适应比特率（ABR）算法来促进连续地使流会话适应当前网络条件的可能性。各种流行的流媒体和视频点播服务，如Netflix，亚马逊Prime Video和Twitch都使用这种方法。鉴于这一广泛的消费者基础，ABR算法不断改进，以提高用户满意度。这些改进的见解是在体验质量（QoE）的研究领域内收集的。在该领域内，各种研究人员致力于识别潜在的损害并测试其对观众QoE的影响。两个经常讨论的影响QoE的视觉障碍是失速事件和质量切换。到目前为止，通常假设这些停滞事件对QoE具有最坏的影响。本文挑战这一信念，并回顾了这一假设，比较失速事件与多质量和高振幅质量开关。进行了两项主观研究。在第一个主观研究中，参与者获得了金钱奖励，而第二个主观研究是由志愿者进行的。统计分析表明，失速事件不会导致QoE的最严重降级。这些发现表明，需要重新评估QoE研究中失速事件的影响。因此，这些发现可能用于进一步的研究，并改善目前的自适应策略在ABR算法。
2023-02-01 cs.MM
Green Video Complexity Analysis for Efficient Encoding in Adaptive Video Streaming
本文优化基于 DCT 能量的 VCA，提出多线程、SIMD 与低通 DCT 加速方案，使超高清视频复杂度分析更快、更准且显著节能。
2023-04-24 cs.MM
Adaptation Logic for HTTP Dynamic Adaptive Streaming using Geo-Predictive Crowdsourcing
随着人们对高体验质量（QoE）的视频流服务需求的不断增长，促使人们对客户端自适应逻辑方法进行了大量研究。然而，大多数算法使用客户端先前的下载体验，并且不使用由专业服务的用户生成的人群知识数据库。我们提出了一种新的人群算法，最大限度地提高了QoE。此外，我们展示了如何将人群信息集成到现有的算法，并说明了这两个国家的最先进的算法。我们在一个包含336，551个网络性能样本的大型现实众包数据集上评估了我们的算法和最先进的算法（包括我们修改后的算法）。该数据集由WeFi LTD提供。我们的新算法在QoS（eMOS）方面优于所有其他方法。
2016-02-05 cs.MM
Scalable On-the-fly Transcoding for Adaptive Streaming of Dynamic Point Clouds
Leibniz University Hannover（汉诺威莱布尼茨大学）；IDLab, Ghent University - imec（根特大学 IDLab-imec）
本文提出了一种动态点云流媒体系统，通过实时转码技术降低存储需求并提升并发客户端的可扩展性。
2026-03-09 cs.MM
ProCAVE: A Self-Adaptive, Full-Lifecycle Edge Caching Framework for Video Streaming via Predictive Bandwidth Estimation and Preference-Aware Deep Reinforcement Learning
Tarbiat Modares University（塔比尔·莫达雷斯大学）；ICT Research Institute（信息通信技术研究所）
该研究针对现有边缘缓存方法在无线动态环境下响应与协调不足的问题，提出ProCAVE框架，结合轻量Transformer、PPO、DDPG实现预测带宽建模与偏好感知缓存控制，实验表明其在字节命中率、回传负载、QoE上优于FlyCache等基线。
2026-08-05 cs.MM cs.NI eess.IV
LapisGS: Layered Progressive 3D Gaussian Splatting for Adaptive Streaming
National University of Singapore（新加坡国立大学）；IRIT - University of Toulouse（图卢兹大学IRIT研究中心）；IPAL, IRL2955, Singapore（新加坡IPAL研究所）
LapisGS提出分层渐进式3D高斯泼溅方法，通过分层结构、动态不透明度优化和占用图管理，在仅23%模型大小下实现SSIM提升50.71%、LPIPS提升286.53%，支持带宽自适应的3D流传输与渐进渲染。
2025-02-10 cs.CV cs.MM
Open GOP Resolution Switching in HTTP Adaptive Streaming with VVC
自适应HTTP流传输中的用户体验依赖于为所有用户提供具有合适操作点的比特率阶梯，并且通常涉及多个分辨率。虽然通常已知开放式GOP编码结构提供实质的编码效率益处，但是由于缺乏对AVC和HEVC中的参考图片响应（RPR）的支持，它们在HTTP流传输中的使用已经被排除。新出现的通用视频编码（VVC）标准支持RPR，但在VVC的设计期间仅主要研究会话场景。本文旨在通过分析VVC编码工具的漂移潜力，并提出了一种约束编码方法，避免了严重的漂移伪像的分辨率切换与开放GOP编码在VVC中的HTTP流场景中使用RPR。在典型的直播流传输配置中，与封闭GOP编码相比，所提出的方法实现了-8.57%BD速率降低，而在典型的视频点播配置中，报告了-1.89%BD速率降低。与常规开放GOP编码相比，约束惩罚在最坏情况下为0.65%BD率。所提出的方法被集成到公开可用的开源VVC编码器VVenC v0.3中。
2021-04-29 cs.MM eess.IV
Which Adaptation Logic? An Objective and Subjective Performance Evaluation of HTTP-based Adaptive Media Streaming Systems
互联网上的多媒体内容传输主要使用超文本传输协议（HTTP）作为其主要协议，并且存在多种专有解决方案。MPEG标准HTTP动态自适应流传输（DASH）提供了可互操作的解决方案，并且近年来已经提出了各种自适应逻辑/算法。然而，据我们所知，没有对各种逻辑/算法进行全面评估。因此，本文提供了十个不同的自适应逻辑/算法，在过去几年中提出了一个全面的评价。评价是客观和主观的。前者在受控环境中使用预定义的带宽轨迹，后者在现实环境中采用众包完成。结果将提供有关在实际部署场景中可以采用哪种策略的见解。此外，本文中描述的评估方法可用于评估任何其他/新的自适应逻辑，并将其直接与本文报告的结果进行比较。
2016-06-01 cs.MM
Block-Partitioning Strategies for Accelerated Multi-rate Encoding in Adaptive VVC Streaming
针对自适应流媒体中VVC多码率编码计算复杂的问题，提出基于CU深度约束的单/双边界分区策略，在VVenC上实现高达11.69%的编码时间节省且码率开销低于0.6%。
2025-10-16 cs.MM
PARIMA: Viewport Adaptive 360-Degree Video Streaming
随着用于捕获360°视频的技术的不断进步，流式传输此类视频的进步已经成为热门的研究主题。然而，流式传输360°视频需要高带宽，因此需要开发优化的流式传输算法。研究人员已经提出了各种方法来解决这个问题，考虑网络带宽或尝试提前预测未来的视口。然而，大多数现有的作品或者（1）不考虑视频内容来预测用户视口，或者（2）不动态地适应用户偏好，或者（3）需要用于新视频的大量训练数据，从而使得它们潜在地不适合视频流传输目的。我们开发了PARIMA，一种快速高效的在线视口预测模型，它使用用户过去的视口以及主要对象的轨迹作为视频内容的代表来预测未来的视口。我们声称，用户的头部运动主要取决于视频中主要对象的轨迹。我们采用了一个基于ARIMA的比特率分配方案，并进行了全面的性能评估。在我们的评估中，我们表明，PARIMA优于国家的最先进的方法，提高了超过30%的体验质量，同时保持较短的响应时间。
2021-08-20 cs.MM
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
FRAS: Federated Reinforcement Learning empowered Adaptive Point Cloud Video Streaming
点云视频传输由于高编码/解码复杂度、高视频比特率和低延迟要求而具有挑战性。因此，传统的自适应流传输方法经常发现它们不能满足三方面的要求：1）当前的算法重用现有的体验质量（QoE）定义，同时忽略了点云视频的独特特征，因此不能提供最佳的用户体验，2）大多数深度学习方法需要长时间的学习，跨越数据汇集以学习充分变化的网络条件并导致长的训练周期和容量占用，3）云训练方法造成由用户报告的服务使用和联网条件的泄漏引起的隐私风险。为了克服这些限制，我们提出了FRAS，第一个联邦强化学习框架，尽我们所知，自适应点云视频流。我们定义了一个新的QoE模型，它考虑到点云视频的独特功能。每个客户端使用强化学习（RL）来训练视频质量选择，目的是在多个约束下优化用户的QoE。然后，一个联邦学习框架与RL算法相结合，以提高训练性能与隐私保护。使用真实点云视频和网络痕迹进行的大量仿真显示了该方案优于基线方案。我们还实现了一个原型，演示了FRAS的性能，通过现实世界的测试。
2023-01-04 cs.MM
Comyco: Quality-Aware Adaptive Video Streaming via Imitation Learning
Tsinghua University（清华大学）；Beijing Kuaishou Technology Co., Ltd.（北京快手科技有限公司）
基于学习的自适应比特率方法（ABR），旨在不需要任何假设就能学习到优秀的策略，已成为自适应流媒体的研究热点之一。然而，它通常遭受几个问题，即，低样本效率和缺乏对视频质量信息的认识。在本文中，我们提出了Comyco，一个视频质量感知的ABR方法，通过解决上述问题，极大地提高了基于学习的方法。Comyco通过模仿即时求解器给出的专家轨迹来训练策略，既避免了冗余探索，又能更好地利用收集到的样本。与此同时，Comyco试图选择具有更高感知视频质量而不是视频比特率的块。为了实现这一目标，我们构建了Comyco的神经网络架构，视频数据集和QoE指标与视频质量特征。使用跟踪驱动和真实世界的实验，我们证明了显着改善Comyco的样本效率相比，以前的工作，与1700倍的改进所需的样本数量和16倍的改进所需的训练时间。此外，实验结果表明，Comyco优于以前提出的方法，平均QoE的改善为7.5% -16.79%。特别是，Comyco在相同的再缓冲时间下，平均视频质量也超过了最先进的Pensieve 7.37%。
2019-12-23 cs.AI cs.MM cs.NI
Energy-Quality-aware Variable Framerate Pareto-Front for Adaptive Video Streaming
本文提出DECODRA方法，利用可变帧率帕累托前沿在自适应视频流中动态优化帧率，在保证感知质量的前提下将解码能耗降低高达13.45%，显著延长移动设备续航并减少流媒体能耗。
2024-10-01 cs.MM
Energy-efficient Adaptive Video Streaming with Latency-Aware Dynamic Resolution Encoding
针对自适应视频流编码的能耗与延迟问题，提出延迟感知动态分辨率编码方案LADRE，通过随机森林模型预测编码分辨率，在同码率下提升画质并大幅降低编码能耗。
2024-01-27 cs.MM
