Multipath Adaptive Video Streaming with Multiple Description Neural Video Codec over 5G Networks
University of Minnesota Twin Cities（明尼苏达大学双城分校）
该研究针对5G网络下现有多路径视频系统交付脆弱导致QoE低的问题，提出NeuralMDC神经多描述视频编解码器，开发对应多路径流系统，实验表明其QoE提升26%-44%、视频质量最高升41.8%且卡顿率低于0.32%。
2026-08-25 cs.NI
Real-Time Rate-Distortion Optimized Streaming of Wireless Video
移动网络物理系统在过去十年中受到了相当大的关注，因为通信，计算和控制都在一个共同的平台上。理解控制大型复杂网络物理系统行为的复杂交互并不是一件容易的事情。本文的目标是解决这一挑战的特定背景下，多媒体传输的自主飞行器（AAV）网络。实时的【形】视频流的带宽要求和严格的延迟约束，加上底层实现平台对计算复杂性和功耗的限制，使得跨层和跨域协同设计方法成为必要。在本文中，我们提出了一种新的，低复杂度率失真优化（RDO）算法，专门针对移动嵌入式网络的视频流。我们测试我们的RDO算法的性能，使用网络的AAV在模拟和实施。
2014-06-07 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
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。
2021-05-14 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
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
An Optimized BBR for Multipath Real Time Video Streaming
多径传输方案可以作为向最终用户提供更好的实验质量的有效方式。在多径实时的视频传输中，拥塞控制和分组调度是两个关键的研究问题。正如效用最大化理论所表明的那样，为了给终端用户提供更好的满意度，就必须提供更高的吞吐量和更低的传输延迟。拥塞控制负责收敛到最大可用带宽并避免导致网络拥塞。提出了一种针对实时的视频传输优化的延迟响应BBR（Delay-BBR）算法，其主要思想是在链路延迟超过一定阈值时降低发送速率，让中间路由器清空占用的缓存。实验表明，与QUIC-BBR和WebRTC-BBR相比，该算法具有更好的传输时延和更低的丢包率。并在拥塞控制算法的基础上引入了一种基于效用最大化理论的分组调度算法，与基准算法相比，进一步降低了帧传输延迟。
2019-01-26 cs.NI
Implementing an Optimized and Secured Multimedia Streaming Protocol in a Participatory Sensing Scenario
本文针对众包感知中多媒体流传输的安全与性能问题，提出并讨论了一种基于对称 AES-CTR 加密的优化安全流协议，以在满足实时分布式传输需求的同时保障数据机密性、完整性与可用性。
2024-11-24 cs.CR cs.NI
On Sample Selection for Continual Learning: a Video Streaming Case Study
针对网络持续学习中样本选择与再训练时机的问题，提出样本选择系统Memento，通过维护高覆盖度训练集优化再训练，在Puffer项目上卡顿时间降低14%，效果达随机选择的3.5倍且架构无关。
2024-05-16 cs.NI
Cross-Layer-Optimized Link Selection for Hologram Video Streaming over Millimeter Wave Networks
针对MC毫米波网络中全息视频流传输链路选择忽略内容特征与跨层协调导致性能次优的问题，提出跨层优化方案联合调整视频编码比特率、MCS与功率分配，有效降低端到端全息失真并提升PSNR。
2025-03-07 cs.NI eess.SP
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
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
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
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
AsQM: Audio streaming Quality Metric based on Network Impairments and User Preferences
本文研究网络中断与内容偏好对音频流 QoE 的影响，提出含偏好因子 PF 的 AsQM 指标及用户信息获取框架，并验证其设备端资源开销较低。
2023-09-26 cs.NI eess.SP
Modeling Live Video Streaming: Real-Time Classification, QoE Inference, and Field Evaluation
University of New South Wales（新南威尔士大学）；BITS Pilani（皮拉尼比尔拉理工学院）
社交媒体、职业体育和视频游戏正在推动Twitch和YouTube Live等平台上的直播视频流的快速增长。直播流体验非常容易受到短时间尺度网络拥塞的影响，因为客户端回放缓冲区通常不超过几秒。不幸的是，识别这样的流并测量它们的QoE以用于网络管理是具有挑战性的，因为内容提供方在很大程度上使用相同的递送基础设施用于实况和视频点播（VoD）流传输，并且分组检测技术（包括SNI/DNS查询监视）不能总是区分两者。在本文中，我们设计，构建和部署ReCLive：一种基于网络级行为特征的实时视频检测和QoE测量的机器学习方法。我们的贡献有四个方面：（1）我们分析了来自Twitch和YouTube的约23，000个视频流，并确定了其流量概况中区分直播和点播流媒体的关键特征。我们将我们的流量跟踪作为开放数据向公众发布;（2）我们开发了一个基于LSTM的二元分类器模型，该模型可以在实时的【形】点播流中区分直播和点播流，跨提供商的准确率超过95%;（3）我们开发了一种方法，该方法可以根据分辨率和缓冲区停顿事件来估计直播流的QoE指标，总体准确率分别为93%和90%;以及（4）最后，我们对我们的解决方案进行原型设计，在实验室中对其进行训练，并将其部署到服务于7，000多个用户的实时ISP网络中。我们的方法为ISP提供了对实时视频流的细粒度可见性，使他们能够测量和改善用户体验。
2021-12-05 cs.AI cs.LG cs.NI
Optimizing Adaptive Video Streaming with Human Feedback
本文提出Jade，通过RLHF和基于排序的QoE模型结合线性与DNN架构及熵感知强化机制，优化自适应视频流，在不同网络条件下将QoE提升8.09%-38.13%。
2023-08-10 cs.MM cs.NI
A Survey of Multimedia Streaming in LTE Cellular Networks
随着长期演进（LTE）蜂窝网络的发展和视频业务需求的增加，从不同的角度考虑流媒体业务中的挑战至关重要。一个关注流媒体服务的角度，根据蜂窝网络的挑战，每层的基础上，以及跨多个层。在本教程中，我们将重点介绍蜂窝网络环境下视频流行业面临的主要挑战，重点是LTE。我们还讨论了针对这些挑战提出的解决方案，同时强调了这些解决方案的局限性以及这些解决方案提供高性能所需的条件/假设。此外，我们还展示了视频流跨层优化方面的不同工作，以及它如何为视频流提供更优化的端到端LTE网络。最后，我们建议在LTE网络上的视频传输领域的不同开放研究领域，可以显着提高最终用户的流媒体体验质量。
2018-03-14 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
Multi-tier Caching Analysis in CDN-based Over-the-top Video Streaming Systems
互联网视频流量一直在快速增长，并预计随着新兴的5G应用（如高清视频、物联网和增强/虚拟现实应用）而进一步增长。随着最终用户以越来越多的方式大量消费视频，内容分发网络（CDN）应该得到有效管理，以提高系统效率。流服务可以包括分布式服务器和边缘路由器处的多个缓存层，并且这些位置处的高效内容管理影响最终用户的体验质量（QoE）。在本文中，我们提出了一个模型的视频流媒体系统，通常由一个集中的源服务器，几个CDN站点，和边缘缓存位于更接近最终用户。我们综合考虑了不同的系统设计因素，包括CDN站点的有限缓存空间，为视频请求分配CDN，从CDN和中央存储选择不同的端口（或路径），带宽分配，边缘缓存容量和缓存策略。我们专注于最小化的性能指标，失速持续时间尾概率（SDTP），并提出了一种新颖的和有效的算法占多个设计灵活性。相对于SDTP度量的理论界也进行了分析和介绍。在Openstack管理的虚拟化云系统上的实现表明，与基线策略相比，所提出的算法可以显着提高SDTP度量。
2019-02-11 cs.MM cs.NI cs.PF
Optimized Live 4K Video Multicast
本文提出一种基于COTS WiGig设备的4K分层视频多播系统，通过优化视频质量模型、资源分配与波束成形，并结合fountain code与Leaky-Bucket拥塞控制策略，有效解决了mmWave网络下多用户4K视频流式传输的挑战。
2023-07-22 cs.NI
Deadline and Priority Constrained Immersive Video Streaming Transmission Scheduling
针对沉浸式视频流需在个性化截止时间内保障高优先级数据块交付的问题，提出一种结合带宽预测与媒体元素优先级的传输调度方案，使体验质量提升12%-31%。
2024-08-30 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
Optimized Routing and Spectrum Assignment for Video Communication over an Elastic Optical Network
弹性光网络（EON）通过为客户端需求分配最小必要带宽，有效地利用频谱资源进行光纤通信。另一方面，由于视频流服务的广泛渗透，网络流量一直在不断增加，因此有效且经济有效地使用可用带宽在改善服务提供方面起着重要作用。在这项工作中，我们制定和解决的优化问题，以执行路由和频谱分配（RSA）在EON专注于视频流。在这个公式中，EON和视频约束，如频谱碎片和接收到的视频质量被共同考虑。以这种方式，我们利用机器学习（ML）技术来估计视频质量与信道状态的关系。该算法在两个基准光纤网络，即NSFNET和美国骨干网使用基于随机流量模型的数值模拟进行评估。结果表明，在接收器中的视频内容数据的平均光信噪比（OSNR）是显着高于非视频数据。这是因为两种数据类型的阻塞率相同。
2019-09-14 cs.NI eess.SP
Power Control and Mode Selection for VBR Video Streaming in D2D Networks
在本文中，我们调查的问题流可变比特率（VBR）视频在设备到设备（D2D）无线网络的功率控制。采用了一种考虑移动用户视频帧大小和播放缓冲区的VBR视频流量模型。考虑具有一对D2D用户（DU）和一个蜂窝用户（CU）的设置，并且采用三种模式，即蜂窝模式、专用模式和重用模式。确定用于数据递送的模式选择，并且以最大化总传输速率为目标来优化基站（BS）和设备发射机的发射功率，同时VBR视频数据可以被递送到CU和DU而不引起播出缓冲器下溢或上溢。提出了一种低复杂度的算法。通过模拟衰落信道上的VBR视频轨迹，我们证明了模式选择和功率控制的视频传输实现了更好的性能，而不仅仅是使用一个单一的模式在整个传输。
2018-02-14 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
Optimization of Bluetooth Audio Stream based on the Estimation of Proximity
蓝牙无线技术的出现使得在移动设备中传输实时音频成为可能。蓝牙具有成本效益和功率效益，但由于有限的带宽、高出错率以及无线电链路的时变性质，它不适合于传统的音频编码和实时流传输。因此，通过蓝牙的音频流带来了诸如耗电和带宽的问题。为了克服上述问题，在这项工作中，提出了一种算法来优化从源到接收器的音频流，通过估计它们之间的接近度。通过调整音频流的比特率从而节省功率来实现优化。我们仔细考虑了各种蓝牙信号参数和最合适的参数估计的接近度已被实验确定。使用Class II BS 003 Bluesoleil加密狗进行实验。这项工作将使蓝牙用户能够执行MP3立体声音频数据的无缝和优化的流。
2013-08-27 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
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
AirGS: Real-Time 4D Gaussian Streaming for Free-Viewpoint Video Experiences
Global College, Shanghai Jiao Tong University（上海交通大学全球学院）
AirGS通过优化4DGS框架，实现高质量低延迟的自由视角视频体验，减少质量退化并提升传输效率。
2025-12-24 cs.DC cs.GR cs.LG
MU-MIMO Grouping For Real-time Applications
在过去的十年中，带宽扩展和MU-MIMO频谱效率已经承诺通过允许一个接入点和多个用户之间的并发通信来增加数据吞吐量。然而，由于异构的信道条件和设备、不可靠的传输以及在较低层和较高层的要求之间缺乏有用的反馈交换，我们距离享受用于诸如实际WiFi网络设置中的视频流之类的带宽需求应用的这种MU-MIMO MAC协议改进还有很长的路要走。本文介绍了MuViS，一种新的双阶段优化框架，提出了一个体验质量（QoE）感知的多用户视频流在IEEE 802.11ac的MU-MIMO优化。MuViS首先采用强化学习来优化MU-MIMO用户组，并根据用户的PHY/MAC层特性为用户选择模式。然后，基于用户的模式（多用户（MU）或单用户（SU））来优化视频比特率。我们在使用802.11ac WiFi的智能手机和笔记本电脑上展示了我们的设计及其评估。我们在各种室内环境和配置的实验结果显示了一个可扩展的框架，可以支持大量的用户流在高视频速率和满足QoE的要求。
2021-07-26 cs.LG cs.MM cs.NI
Cache-Aided Interactive Multiview Video Streaming in Small Cell Wireless Networks
具有高速率和低延迟要求的新型交互式多媒体应用的出现导致无线蜂窝网络上的视频数据流量急剧增加。为宏小区的小基站赋予可以存储一些内容的高速缓存是一种有前途的技术，以应对回程连接上不断增加的压力，并减少要求苛刻的视频应用的延迟。在这项工作中，交付的一组无线用户的交互式多视点视频异构蜂窝网络中进行了研究。从现有的工作，专注于优化的交付延迟和忽略的视频特性，缓存和调度策略联合优化，考虑到交付的视频质量和视频交付时间的限制。我们制定我们的联合缓存和调度问题的平均预期的视频失真最小化，并表明，这个问题是NP-难的。然后，我们提供了一个等价的制定子模块集函数最大化的基础上，并提出了一个贪婪的解决方案与$\frac{1}{2}(1-\mbox{e}^{-1})$近似保证。联合缓存和调度策略的评估表明，它显着优于基于流行度缓存和独立调度的基准算法。本文的另一个重要贡献是一个新的常数逼近比的贪婪子模集函数最大化受到$d$维背包约束。
2018-04-03 cs.IT cs.MM cs.NI
