Congestion Control for P2P Live Streaming
近年来，研究工作试图利用对等（P2P）系统来提供实时流（LS）和视频点播（VoD）服务。大多数这些研究工作集中在开发分布式P2P块交换的参与对等体之间的内容交换和覆盖图（P2P覆盖），互连这些对等体的集合的特性。目前，研究人员试图将对等系统与云基础设施结合起来。他们开发了使用云资源的监控和控制架构，以增强QoS并在稳定性和低成本运营之间实现有吸引力的权衡。然而，缺乏对这些系统的拥塞控制的研究，并且现有的拥塞控制架构不适合P2P实时流传输业务（朝向多个网络位置的小的连续非持久业务）。提出了一种P2P流媒体流量感知的拥塞控制协议，该协议能够管理流向多个网络目的地的连续流量，有效利用可用带宽，精确测量空闲节点资源，避免网络拥塞，对传统TCP生成的流量友好.建议的P2P拥塞控制已实施，测试和评估，通过一系列的实际实验供电的BonFIRE基础设施。
2015-10-11 cs.MM cs.NI
When BBR Meets Live Streaming
Renmin University of China（中国人民大学）；State Key Laboratory of Internet Architecture, Tsinghua University（清华大学网络与交换技术全国重点实验室）；Tencent Technologies（腾讯科技）；Shenzhen University（深圳大学）
针对BBR在直播场景中带宽估计不准确导致的问题，提出辅助组件BBR-Copilot通过主动发送额外数据生成精确带宽样本，提升BBR在直播中的性能。
2026-06-02 cs.MM cs.NI eess.IV
MVP2P: Layer-Dependency-Aware Live MVC Video Streaming over Peer-to-Peer Networks
多视图视频支持从不同视点观察场景。联合视频小组（JVT）开发了H. 264/MVC以提高多视点视频的压缩效率，然而，MVC编码的多视点视频（MVC视频）仍然需要高比特率用于传输。本文研究了基于P2P网络的MVC视频流。其目标是最大限度地减少服务器带宽成本，同时确保高质量的流媒体到同行。MVC采用视图内和视图间预测结构，这导致复杂的层依赖关系。由于在提供所有MVC视频层的同时共享对等体的出站带宽，因此对一个MVC层的带宽分配会影响其他层的可用出站带宽。为了优化利用对等端的出站带宽提供视频层，提出了一种基于最大流的模型，该模型考虑了MVC视频层依赖性和对等端之间的层供应关系。基于该模型，提出了一种基于BitTorrent的P2P网络上的层依赖性感知的MVC视频流传输方法MVP 2 P。MVP 2 P的关键部分包括接收节点的块调度策略和节点选择策略，以及提供节点的带宽调度算法。为了评估所提出的解决方案的效率，MVP 2 P与现有的方法相比，考虑到对等带宽，对等数量，视图切换率和对等端流失的约束。测试结果表明，MVP 2 P算法的性能明显优于现有的方法。
2018-04-16 cs.MM cs.NI
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
Size Does Matter (in P2P Live Streaming)
先前已经针对对等直播流应用研究了最佳传播方案。直播是一个延迟敏感的应用程序，微调传播参数是至关重要的。在这份报告中，我们研究了块的最佳大小，数据交换的单位，和探测集，数量对等一个给定的节点探测传输块之前。块大小可以对扩散速率（块未命中率）、扩散延迟和开销具有显著影响。探测集的大小也会影响这些指标，主要是通过可用于块分发的选择。我们进行广泛的模拟所谓的随机对等，最新有用的传播计划。我们的研究结果表明，尺寸确实很重要，在这两种情况下，最佳尺寸都不会太小。
2009-09-09 cs.NI
Toward Accessible and Safe Live Streaming Using Distributed Content Filtering with MoQ
Baylor University（贝勒大学）
本文扩展 Media over QUIC Transport 协议，通过分布式实时内容分析仅过滤违规视频片段，在低延迟下支持安全可访问的一对多直播。
2025-05-13 cs.CV cs.DC cs.MM
On Using Seeders for P2P Live Streaming
种子节点（不请求任何东西但对系统有贡献的节点）是对等网络（P2P）中的一个强大概念。它们允许利用P2P系统的能力。虽然播种对于文件共享或视频点播应用程序来说是一个自然的想法，但在实时流媒体的背景下，它似乎有些违反直觉。本文旨在描述P2P直播的可行性和性能。在正式定义了“直播”和效率之后，我们考虑了忽略开销的系统的理论性能。然后，我们提出了一个线性开销模型，并扩展了该模型的结果，为一个单一的播种机和一组播种机以及（它并不总是可以完美地聚合在一个给定的系统中的个人效率）。
2011-04-26 cs.NI
Heterogeneity in Distributed Live Streaming: Blessing or Curse?
在过去的几年里，分布式直播带来了很多兴趣。在同构的情况下（所有节点具有相同的容量），已经提出了许多算法，这些算法已经被证明是几乎最优的或最优的。另一方面，异构系统的性能还没有完全理解。在本文中，我们调查的异质性的影响，可实现的延迟基于块的直播流媒体系统。我们提出了几种模型，考虑到一个块的原子性。对于所有这些模型，当考虑单个块的传输时，异构性确实是一种“不稳定”，因为可实现的延迟总是比等效的同构系统更快。但对于一个流的块，我们表明，它可以是一个“诅咒”：有系统的可实现的延迟可以是任意更大的等价的同构系统相比。然而，如果系统略微带宽过度供应，则最佳单个块扩散方案可以适应于块流，从而导致接近最佳的、比同构系统更快的异构直播流传输系统。
2009-09-09 cs.NI
AutoRec: Accelerating Loss Recovery for Live Streaming in a Multi-Supplier Market
Renmin University of China（中国人民大学）；Tencent Technologies（腾讯科技）；Tsinghua University（清华大学）；Zhongguancun Laboratory（中关村实验室）
AutoRec通过自适应调整策略减少直播中的恢复延迟，提升客户端体验。
2025-12-19 cs.MM cs.NI eess.IV
Simple Countermeasures to Mitigate the Effect of Pollution Attack in Network Coding Based Peer-to-Peer Live Streaming
基于网络编码的对等流媒体是一种有效的解决方案，以聚合用户容量和提高系统吞吐量的实时多媒体流。尽管如此，这样的系统容易受到污染攻击，其中少数恶意对等体可以通过传输几个伪造的数据包来破坏通信，然后由不知情的诚实节点重新组合和中继，进一步在网络上传播污染。鉴于以往的研究主要集中在恶意节点识别方案和污染弹性编码，在本文中，我们提出了污染对策，使一个标准的网络编码方案弹性污染攻击。由于一个简单而有效的分析模型的参考节点收集数据包的恶意和诚实的邻居，我们证明，i）收到较早的数据包不太可能被污染和ii）短代增加恢复一个干净的一代的可能性。因此，我们提出了一种重组方案，节点绘制数据包进行重组，根据他们的年龄在输入队列中，配对的解码方案，能够检测到接收污染的数据包早在解码过程中和短世代。我们的方法的有效性进行了实验评估，在一个真实的系统，我们开发和部署在数百到数千个同行。实验证据表明，由于我们简单的对策，污染攻击的影响几乎被取消，同行体验到的视频质量与攻击前的水平相当。
2017-07-24 cs.MM cs.NI
Reputation-Driven Peer-to-Peer Live Streaming Architecture for Preventing Free-Riding
针对 P2P 直播中的搭便车、恶意节点与网络动态问题，提出声誉驱动架构，通过奖惩机制、策略自适应更新和请求委派树维持稳定与可持续性。
2024-09-14 cs.NI
ReputeStream: Mitigating Free-Riding through Reputation-Based Multi-Layer P2P Live Streaming
该研究针对P2P直播的搭便车等问题，提出ReputeStream算法，通过多层架构、基于声誉的系统及加入请求机制，适应用户差异、管理突发流量并优化高声誉节点位置，以促进公平共享并提升网络效率。
2024-11-28 cs.NI
Modeling and Performance Analysis of Pull-Based Live Streaming Schemes in Peer-to-Peer Network
近年来，基于网格的P2P流媒体直播已经成为服务提供商向互联网用户提供高质量视频流媒体直播服务的一种有前途的方式。本文对基于拉式的P2P流媒体系统进行了详细的建模和性能分析。本文建立了P2P网络中基于拉取的流媒体方案的分析框架，给出了块选择和节点选择策略的精确模型，并将其分为三类，即：块优先方案、对等体优先方案和流行病方案。通过数值性能评估，研究了邻居集大小、应答数、缓冲区大小等重要参数对算法性能的影响。对于对等体第一和块第一的计划，我们表明，拉为基础的计划不执行以及推为基础的计划时，对等体被限制在每个时隙中只回复一个请求。当回复数量增加时，基于拉取的流传输方案将达到接近最优的播出概率。对于基于拉的传染病方案，我们发现它有意想不到的性能差，这是显着不同的基于推的传染病方案。因此，我们提出了一个简单，高效，易于部署的推挽式方案，可以显着提高播出概率。
2013-02-17 cs.NI
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
Performance Improvement of an AS-friendly Peer Selection Algorithm for P2P Live Streaming
最小物理跳数（MPH）是一种用于减少P2P流媒体直播中自治系统（AS）间流量的节点选择算法。在MPH中，新加入的对等体选择其物理跳数（即，在内容传递路径上经过的AS的数量）作为其提供对等体是最小的。然而，MPH显示高AS间的流量时，加入对等体的数量是大的。在本文中，我们提出了IMPH，试图通过分配具有一个逻辑跳数的对等体（即，在从OSS到对等体的内容传递路径上经过的对等体或源流服务器（OSS）的数量）到许多AS，并鼓励后面的对等体在同一AS内找到它们的提供对等体。数值例子表明，IMPH实现在最大的64%，降低AS间的流量比MPH。
2016-02-06 cs.NI
Scalable peer-to-peer streaming for live entertainment content
我们提出了一种用于在互联网上将源自单个源的现场娱乐内容流式传输到可扩展数量的消费者而不诉诸于集中的或提供商提供的资源的系统。该系统创建对等覆盖网络，该对等覆盖网络尝试优化现有容量的使用以确保服务质量，从而在实况内容的播出中提供低启动延迟和滞后。我们的解决方案主要有三个方面。首先，构建覆盖拓扑以最小化从源到终端消费者的传播延迟的群集机制。其次，一个分布式覆盖选播系统，它使用基于位置的搜索算法来快速找到给定流中最近的对等点。最后，一种新的激励机制，鼓励同行捐赠的能力，即使用户不积极消费的内容。
2013-03-27 cs.NI
CliqueStream: an efficient and fault-resilient live streaming network on a clustered peer-to-peer overlay
在最近的对等流媒体文献中，已经提出了几种基于叠加的实时多媒体流媒体平台。在大多数情况下，为了覆盖的鲁棒性，随机选择覆盖邻居。然而，这会导致底层物理网络中距离较远的节点成为邻居，因此数据在到达目的地之前会传输不必要的距离。为了提高多媒体流等大量数据传输的效率，覆盖邻域应该类似于底层网络中的邻近度。在本文中，我们利用最近提出的一个基于集群的覆盖网络，名为eQuus的邻近和冗余属性，建立高效和强大的覆盖多媒体流传播。为了结合树结构覆盖上的内容推送的效率和数据驱动的网格覆盖的鲁棒性，在树结构中组织更高容量的稳定节点以承载长距离业务，并且在局部网格中组织具有间歇性存在的不太稳定的节点。文中详细介绍了覆盖图的构造和故障恢复过程。仿真研究表明该平台具有良好的局部性。分析表明，故障恢复机制引起的中断时间和控制开销是最小的。
2009-03-26 cs.DC cs.MM cs.NI
Field Test of 5G New Radio (NR) UL-MIMO and UL-256QAM for HD Live-Streaming
Waseda University（早稻田大学）
本文通过商业5G网络测试UL-MIMO和UL-256QAM在HD直播中的性能，评估其对实时应用的影响及频谱效率。
2025-11-25 cs.MM cs.NI eess.IV
On Resource Aware Algorithms in Epidemic Live Streaming
流行病式的扩散方案先前已经被提出用于实现对等直播流。他们的性能权衡已深入分析了同构系统，其中所有的同行有相同的上传容量。然而，为异构系统设计的流行病方案尚未完全理解。在这份报告中，我们专注于同行的选择过程，并提出了一个通用的模型，包括一个大类的算法。这个过程被建模为两个功能的组合，一个是感知的，一个是不可知的。通过仿真，我们分析了感知-不可知论的权衡对节点选择过程和源分配策略的影响，在非同构网络。我们强调，一个给定的块的早期扩散是至关重要的整体扩散性能，和公平性之间的权衡异构同行的性能，作为意识水平的函数。
2009-09-09 cs.NI
A Review on P2P Video Streaming
本文的主要目的是提供一个基于P2P的视频点播和流媒体直播服务的概述。本文首先介绍了媒体流及其简化的架构。讨论了在互联网广泛使用的背景下提供视频流的各种解决方案。然后简要介绍了P2P网络及其应用。本章主要讨论了各种P2P流媒体方案和P2P流媒体应用。最后，简要讨论了P2P视频流的安全问题和解决方案。
2013-04-04 cs.MM cs.NI
The performance of locality-aware topologies for peer-to-peer live streaming
本文研究了覆盖网络拓扑结构对实时流媒体P2P系统性能的影响。本文着重于评估的拓扑结构，知道网络上不同的对等体之间经历的延迟。定义了一种基于延迟、带宽使用率和对对等点退出的弹性的拓扑评估方法。几个拓扑创建算法进行了测试，并在一个简单的模拟测试床的度量。这给出了一个评估的类型的收益，这可能是预期从本地意识在对等网络。
2013-03-27 cs.NI
An Intelligent Resource Reservation for Crowdsourced Live Video Streaming Applications in Geo-Distributed Cloud Environment
Hamad Bin Khalifa University（哈马德·本·哈利法大学）；Qatar University（卡塔尔大学）；Comsats Institute of Information Technology（COMSATS信息技术学院）
Facebook Live、YouNow、斗鱼和Twitch等众包视频直播服务最近正获得更大的发展势头。以具有成本效益的方式分配有限的资源，同时通过实时传送和为所有观众提供适当的表示来最大化服务质量（QoS）是一个具有挑战性的问题。在我们的论文中，我们介绍了一个基于机器学习的预测资源分配框架的地理分布的云站点，考虑延迟和质量约束，以保证最大的QoS观众和最小的成本为内容提供方。首先，我们提出了一个离线优化，决定所需的转码资源在分布式区域附近的观众与QoS和整体成本之间的权衡。其次，我们使用机器学习来构建预测模型，该模型可以提前预测每个云站点要保留的近似转码资源。最后，我们开发了一个贪婪的最近和Chestion算法（GNCA）执行的资源分配的实时广播视频租用的资源。大量的模拟表明，GNCA优于众包直播流媒体的最先进的资源分配方法，在系统成本方面实现了超过20%的增益，同时以相对较低的延迟为观众提供服务。
2021-06-04 cs.DC cs.LG cs.MM
Fetching Strategy in the Startup Stage of p2p Live Streaming
提出了一种阈值双极（TB）协议作为P2P流媒体直播系统启动阶段的抓取策略。在这个协议中，块是从缓冲区头部连续地在开始。在缓冲区被填充到阈值中之后，缓冲区尾部处的块将首先被提取，同时保持缓冲区中的连续填充部分高于阈值，即使当缓冲区以回放速率被排空时。该协议可以同时实现高下载速率、小启动延迟和自然切换策略。确定了本方案中的重要参数。然后将该方案下的缓冲进度表示为由这些参数指定的分段线。通过PPLive测试节点的启动轨迹，分析了TB协议在实际系统中的实际性能。提出了一个简单的TB协议设计模型，揭示了实际设计中的重要考虑。
2008-10-12 cs.NI
The Statistical Analysis of the Live TV Bit Rate
本文研究了电视频道流可变比特率分布和分配的统计性质。本文的目标是推导出最适合的速率分布来描述电视流媒体带宽分配，它可以反映用户的流量需求。我们的分析使用多路复用器的13个电视直播频道的频道带宽分配（PID）数据。我们应用17个连续分布和3个离散分布来确定每个通道和整个通道组的最佳拟合分布函数。我们发现，广义极值分布拟合大多数我们的渠道最精确的贝叶斯信息准则。按照同样的标准，位置和规模的分布对整个系统来说是最匹配的.我们使用这些结果提出流服务器排队模型的参数。研究结果对流媒体服务器调度策略设计过程中的CDN、SDN动态路由流量工程等具有一定的参考价值。
2019-07-17 cs.MM cs.NI eess.IV
A Multicast Scheme for Live Streaming Courses in Large-Scale, Geographically Dense Campus Networks
针对校园网直播课程中地理密集的大规模多播场景，提出两层动态分区RBS多播架构，减少冗余消息10-30%，并集成SAVI认证与WebRTC密钥交换。
2024-11-10 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
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
Resource Allocation for Improved User Experience with Live Video Streaming in 5G
为移动用户提供高质量的实时视频流体验是蜂窝网络面临的最大挑战之一。这是由于这些服务需要具有低可变性的高速率，这在给定（通常大量）用户之间对受限网络资源的竞争以及它们的信道特性的高可变性的情况下是不容易实现的。改善用户体验的一种方法是利用他们的缓冲区和向每个人提供恒定数据率的能力，这是5G网络的特征之一。但是，后者的效率不是很高。为此，在本文中，我们为5G网络中的资源分配提供了一个理论分析框架，从而改善了观看直播视频时的用户体验。我们通过解决三个问题来做到这一点，其中的目标是为所有一类和二类用户提供最高的可实现的视频分辨率，并最大限度地增加体验给定分辨率的用户数量。分析是通过运行在轨迹上的模拟进行验证。我们还比较了我们的方法对不同的QoE指标的其他技术的性能。结果表明，我们的方法可以提高至少15%的性能。
2021-05-29 cs.NI
A Comprehensive Analysis of Swarming-based Live Streaming to Leverage Client Heterogeneity
由于在互联网规模上缺少IP多播支持，在内容分发网络及其对等（P2P）扩展所使用的覆盖的帮助下来分发过顶媒体流。在这种情况下，基于网格/拉的群集作为纯流方法或与树/推机制相结合起着重要作用。然而，现实的客户群体与异质资源的影响尚未完全理解。在本技术报告中，我们通过在连续时间马尔可夫链框架中对最基本的调度机制最新截止日期优先（LDF）和最早截止日期优先（EDF）进行数学分析，并将它们组合成一个简单而强大的混合策略，以利用客户端资源的固有差异，从而缩小这一差距。主要贡献有两个方面：（1）提出了一个随机图上群集的数学框架，重点是异构场景中的LDF和EDF策略;（2）提出了一种混合策略，名为SchedMix，利用对等体的异构性。所提出的策略，计划混合表现出优于其他两种策略，使用不同的抽象：平均场理论分析的缓冲区概率，随机图上的随机模型的模拟，和全栈实现的P2P流媒体系统。
2018-12-29 cs.NI
A Scheme for Maximal Resource Utilization in Peer-to-Peer Live Streaming
对等流媒体技术已经成为主要的互联网应用之一，因为它提供了以低成本向大量对等体广播高质量视频内容的机会。人们普遍认为，随着节点和服务器的上传能力的有效利用，节点可以享受观看高比特率的视频与最小的端到端延迟。在本文中，我们提出了一个实用的调度算法，工作在具有挑战性的条件下，没有空闲的能力，即，它最大限度地利用资源并广播最大流速率。每个对等体仅与覆盖网络中的少量邻居联系，并且根据对等体模型以使得转发恰好一个子流的对等体的数量将被最大化的方式自主地订阅子流。在构造短深度树时，也考虑了跳数延迟。最后，我们通过仿真表明，对等点动态收敛到一个有效的覆盖结构，具有很短的跳数延迟。此外，该方案给出了很好的功能，在同质的情况下，并克服了SplitStream在所有模拟场景。
2015-10-07 cs.NI
Meta-Reinforcement Learning via Buffering Graph Signatures for Live Video Streaming Events
KTH Royal Institute of Technology（瑞典皇家理工学院）；Hive Streaming AB（Hive Streaming公司）；University of Thessaly（色萨利大学）
在这项研究中，我们提出了一个元学习模型，以适应观众之间的网络容量的预测谁参加了现场视频流媒体事件。我们提出了MELANIE模型，其中事件被制定为马尔可夫决策过程，对强化学习任务执行元学习。通过考虑一个新的事件作为一个任务，我们设计了一个行动者-评论家学习计划来计算估计观众的高带宽连接的最优策略。为了确保快速适应新的连接或观众之间的变化在一个事件中，我们实现了一个优先重放内存缓冲区的基础上的回报/吞吐量的观众的连接的Kullback-Leibler分歧。此外，我们采用了一个模型不可知的元学习框架，从过去的事件中生成一个全局模型。由于观众很少参与几个事件，挑战在于如何解释不同事件的低结构相似性。为了解决这个问题，我们设计了一个图签名缓冲区来计算几个流事件的结构相似性，并相应地调整全局模型的训练。我们评估所提出的模型的链接权重预测任务上的三个真实世界的数据集的实时视频流媒体事件。我们的实验证明了我们所提出的模型的有效性，与最先进的策略相比，平均相对增益为25%。出于复制目的，我们的评估数据集和实现可在https://github.com/stefanosantaris/melanie上公开获取
2021-10-03 cs.AI cs.LG cs.NI
QoE-Aware Resource Allocation for Crowdsourced Live Streaming: A Machine Learning Approach
Qatar University（卡塔尔大学）
在个人设备的巨大技术进步和无线移动网络接入的普及的驱动下，世界见证了众包直播流媒体的爆炸式增长。确保更好的观众体验质量（QoE）是最大化观众数量和增加流媒体提供商利润的关键。这可以通过倡导地理分布式云基础设施来实现，以尽可能接近观众分配多媒体资源，以最大限度地减少访问延迟和视频停顿。此外，预先分配确切的所需资源避免了过度供应，过度供应可能导致服务提供商的显著成本。相反，供应不足可能会对观众造成重大延迟。在本文中，我们介绍了一个预测驱动的资源分配框架，以最大限度地提高观众的QoE和最小化的资源分配成本。首先，通过利用我们独特的数据集中可用的观众位置，我们实现了一个机器学习模型来预测每个地理分布的云站点附近的观众数量。其次，基于预测结果显示接近实际值，我们制定了一个优化问题，主动分配资源的观众接近。此外，我们将提出一个折衷之间的视频访问延迟和资源分配的成本。
2019-06-20 cs.DC cs.HC cs.LG
Experimental Study of Low-Latency Video Streaming in an ORAN Setup with Generative AI
Aalborg University（奥尔堡大学）
本研究提出一种基于生成AI的主动控制方法，通过ORAN和MEC协同降低实时视频流延迟，实验显示在ORAN测试床上实现4 dB PSNR和15点VMAF的提升。
2026-01-08 cs.NI eess.SP
Algorithms for Constructing Overlay Networks For Live Streaming
我们提出了一个多项式时间的近似算法，用于构建一个覆盖多播网络流媒体直播事件在互联网上。我们的算法构建的覆盖网络类别包括Akamai Technologies用于向全球受众提供高保真实时媒体活动的网络。我们构建由三个阶段的节点组成的网络。第一阶段中的节点是充当直播流的源的入口点。每个源将其每个流转发到第二级中的一个或多个称为反射器的节点。反射器可以将传入流拆分为多个相同的传出流，然后将其发送到第三级和最后一级中的节点，这些节点充当接收器并且位于终端用户附近的边缘网络中。当数据流中的数据包从一个阶段传输到下一个阶段时，其中一些可能会丢失。接收器将来自同一个流的多个实例的数据包合并（通过重新排序数据包并丢弃重复数据包），以最小的损失形成流的单个实例。我们的主要贡献是一个算法，构建一个覆盖网络，可证明满足容量和可靠性的限制，在一个恒定的最佳因素，并最大限度地减少成本的最佳对数因子内。此外，在常见的情况下，只有传输成本最小化，我们表明，我们的算法产生一个解决方案，具有成本在2的最佳因素。我们还实施了我们的算法，并在来自Akamai直播流媒体网络的真实跟踪上对其进行评估。我们的实证结果表明，我们的算法可以用来有效地构建大规模的覆盖网络在实践中接近最优的成本。
2011-09-19 cs.DC cs.DS cs.NI
Palantir: Towards Efficient Super Resolution for Ultra-high-definition Live Streaming
School of Software, Tsinghua University（清华大学软件学院）；Department of Automation, Tsinghua University（清华大学自动化系）；Global Innovation Exchange, Tsinghua University（清华大学全球创新交流中心）；School of Computing Science, Simon Fraser University（Simon Fraser大学计算机科学系）；School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学系）；Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Pengcheng Laboratory, China（鹏城实验室）；RISC-V International Open Source Laboratory, China（RISC-V国际开源实验室）
针对超高清直播中SR DNN推理开销大的问题，提出首个细粒度块级调度的神经增强系统Palantir，通过构建DAG进行轻量准确的SR质量估计并重构计算子程序提升并行性，在保证视频质量的同时大幅降低推理开销且调度延迟极低。
2024-08-31 cs.AI cs.CV cs.MM
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。
2025-11-26 cs.MM cs.NI eess.IV
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
Joint Scalable Coding and Routing for 60 GHz Real-Time Live HD Video Streaming Applications
高清晰度（HD）视频的传输是60 GHz无线链路的有前景的应用，因为非常高的传输速率（高达几Gbit/s）是可能的。特别地，我们考虑一个体育场广播系统，其中来自多个摄像机的信号被传输到一个中央位置。由于在这种情况下，60 GHz辐射在长距离上的路径损耗很高，因此可能需要使用继电器。本文分析了联合选择的路由（中继）和压缩率从各种来源的整体视频质量的最大化。我们考虑三种不同的情况：（i）每个源只发送到一个中继站，中继站只能接收一个数据流，（ii）每个源只能发送到一个中继站，但中继站可以聚合来自不同源的流并转发到目的地，（iii）源可以将其数据流分成并行流，这些流可以通过不同的中继站发送到目的地。对于每一种情况，我们推导出优化问题的数学公式，并将其重新表述为凸混合整数规划，这可以保证最优解。广泛的模拟表明，高质量的传输是可能的，至少有10个摄像机超过300米的距离。此外，视频质量的优化给出了可以显著优于最大化数据率的算法的结果。
2013-02-12 cs.NI
Deep Learning-Based Real-Time Rate Control for Live Streaming on Wireless Networks
University of Maryland（马里兰大学）；NEC Laboratories America（NEC美国实验室）
针对无线直播中动态视频与信道波动导致的视频质量下降，提出基于深度学习的实时H.264控制器，利用物理层信道质量动态优化编码参数，实现PSNR提升10-20 dB，丢包率低至0.002。
2023-09-27 cs.IT cs.LG cs.NI
Deep Learning-Based Real-Time Quality Control of Standard Video Compression for Live Streaming
University of Maryland（马里兰大学）；NEC Laboratories America（美国 NEC 实验室）
针对直播流中视频质量波动问题，提出基于深度学习的实时H.264控制器，通过动态估计最佳量化参数，在维持PSNR阈值的同时最小化比特率，带宽利用率提升达2.5倍。
2023-11-21 cs.IT cs.LG cs.NI
