On the Low-latency Region of Best-effort Links for Delay-Sensitive Streaming Traffic
这封信分析了尽力而为链路的低延迟区域（LLR）（即，无业务区分，以及先来先服务调度），其承载延迟敏感（DS）流传输和非延迟敏感（NDS）背景业务。此外，在LLR内，我们发现它存在一个成比例的公平到达率分配DS和NDS的流量流。这个最佳的操作点的结果从最大化一个简单的吞吐量延迟权衡，考虑NDS流量负载，和DS数据包的平均延迟。为了展示如何在现实场景中使用所提出的权衡来分配NDS流量，我们使用Google Stadia流量跟踪来生成DS流。此用例的结果证实，无论数据包到达和数据包服务时间的分布如何，吞吐量-延迟权衡也有效。
2020-11-28 cs.NI
Efficient Digital Twin Data Processing for Low-Latency Multicast Short Video Streaming
提出高效数字孪生数据处理方案，通过联合优化DT模型大小与带宽分配，并采用基于扩散的资源管理算法，降低组播短视频流服务延迟。
2024-04-21 cs.NI
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
Streaming Remote rendering services: Comparison of QUIC-based and WebRTC Protocols
本文比较了MoQ、RoQ和WebRTC在XR远程渲染中的延迟性能，发现基于QUIC的协议在延迟和连接启动上分别提升约30%和60%，为未来XR通信设计提供了参考。
2025-05-28 cs.NI
fybrrStream: A WebRTC based Efficient and Scalable P2P Live Streaming Platform
对流媒体和实时视频会议的需求正处于高峰期，预计将进一步增长，因此对具有更好质量和更低延迟的低成本流媒体服务的需求至关重要。因此，在本文中，我们提出了一种新的对等（P2P）直播平台，称为fybrrStream，其中逻辑网格和物理树，即，基于混合拓扑方法被用于低等待时间流传输。fybrrStream通过考虑参与对等体的网络带宽、网络延迟和节点稳定性，以分层方式将负载分配到参与对等体上。fybrrStream的成本与托管轻量级网站的成本一样低，性能与现有的最先进的媒体流服务相当。我们使用分布在印度的50多个用户进行了实地实验，对所提出的fybrrStream平台进行了评估和测试，结果显示，与其他方案相比，实时流媒体性能有了显着改善。
2021-05-17 cs.MM cs.NI cs.SI
Performance Characterization of a Commercial Video Streaming Service
尽管互联网上的视频流越来越受欢迎，但重新缓冲和高启动延迟等问题继续困扰着用户。在本文中，我们提出了一个端到端的表征雅虎的视频流媒体服务，分析了超过5亿的视频块下载超过两周的时间。我们通过在块级别检测CDN服务器和客户端播放器，同时还从服务器网络堆栈中收集TCP变量的频繁快照，从而获得对性能下降原因的独特可见性。我们发现了一系列的性能问题，包括异步磁盘读取定时器和缓存未命中在服务器上，高延迟和延迟变化的网络，在客户端缓冲延迟和丢弃的帧。通过查看同一会话中的块或指向同一IP前缀的块，我们可以看到一些性能问题是如何相对持久的，这取决于视频的流行程度、客户端和服务器之间的距离以及客户端的操作系统、浏览器和Flash运行时。
2016-05-16 cs.NI
SQP: Congestion Control for Low-Latency Interactive Video Streaming
本文介绍了SQP的设计和评估，一个拥塞控制算法（CCA）的交互式视频流应用，需要流高比特率压缩视频与非常低的端到端帧延迟（如。AR流媒体、云游戏）。SQP使用帧耦合的、步调一致的分组序列来对网络带宽进行采样，并使用自适应单向延迟测量来从排队中恢复，以获得低的、有界的排队延迟。SQP快速适应链路带宽的变化，确保高利用率和低帧延迟，并且在可接受的延迟包络内与正在构建的流竞争时，还实现了有竞争力的带宽共享。SQP具有良好的公平性，并且在具有浅缓冲区的链路上工作得很好。在Google的AR流媒体平台中，SQP与Copa的实际A/B测试中，SQP在LTE和Wi-Fi的高比特率和低帧延迟下分别实现了27%和15%的会话。当与Cubic和BBR等构建流量竞争时，SQP的带宽比GoogCC（WebRTC）、Sunday和PCC-Vivace高2- 3倍，性能与Copa相当（带模式切换）。
2022-07-25 cs.MM cs.NI
Proactive Scheduling and Caching for Wireless VR Viewport Streaming
虚拟现实（VR）应用需要高数据率以获得高质量的沉浸式体验，此外还需要低延迟以避免头晕和晕动病。无线VR的关键挑战之一是提供无缝连接并满足严格的延迟和带宽要求。这项工作提出了一种主动的无线VR系统，利用有关用户的未来方向的信息，主动调度和缓存。这是通过利用深度神经网络来预测在真实数据集上训练的用户方向来实现的。然后使用重叠视口方案来划分360°场景，使得仅流传输被用户的感知视场覆盖的场景的部分。此外，为了最小化回程延迟，基于空间流行性配置文件将流行视口缓存在边缘云处。通过大量的模拟，我们表明，该系统提供了显着的延迟和吞吐量性能的改善，特别是在波动的信道和重负载条件下。通过结合机器学习预测和所提出的视口方案实现的主动调度将平均延迟降低了80%以上，同时实现了接近100%的成功交付率。
2021-10-06 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
Design and Implementation of Online Live Streaming System Using A 3D Engine
本文提出利用Unity 3D等3D引擎将多路视频映射到虚拟画布并经单通道低延迟传输，设计实现了含RTSP、WebSocket、HTTP、MySQL、Redis和Nginx的可扩展直播系统。
2024-09-10 cs.MM 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
Advancements in Mobile Edge Computing and Open RAN: Leveraging Artificial Intelligence and Machine Learning for Wireless Systems
本文综述 MEC 与 ORAN 的最新进展，重点分析 AI/ML（尤其 DRL 与智能 xApps）在计算卸载、网络切片、调度和在线训练中的应用及其对网络效率与可扩展性的贡献。
2025-07-28 cs.NI
Low-Latency Scalable Streaming for Event-Based Vision
Baylor University（贝勒大学）
针对事件式视觉应用难部署于低功耗设备、事件流传输码率适配研究不足的问题，提出基于Media Over QUIC的可扩展流媒体方法，可在低延迟下维持较高目标检测精度。
2024-12-13 cs.CV cs.MM 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
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
Adaptive Video Streaming with AI-Based Optimization for Dynamic Network Conditions
本文提出一种基于Gemini AI的自适应视频流架构，通过实时监测数据速率与延迟动态调整视频质量和缓冲区大小，有效减少缓冲事件并提升用户体验。
2025-01-30 cs.NI
Video Streaming Over QUIC: A Comprehensive Study
Concordia University（康考迪亚大学）
本文研究了QUIC协议在视频流媒体中的性能，分析了不同QUIC实现的拥塞控制对自适应比特率算法的影响，揭示了其对用户QoE的影响，并强调了跨层设计的重要性。
2025-11-03 cs.NI
Smooth and Low Latency Video Streaming for Autonomous Cars during Handover
自动驾驶汽车有望带来许多好处，其中包括提高交通效率和可靠性，减少燃料消耗，这将产生巨大的经济和环境影响。这项技术的成功在很大程度上依赖于其周围实体的全面态势感知。只有当一切都联网时，包括车辆，用户和基础设施，并在附近的物体之间交换感知数据以提高它们的感知能力，才能实现这一目标。然而，无论如何，在回路中仍然需要人为干预来处理看不见的情况或补偿不准确或不适当的车辆决定。在这种情况下，除了LIDAR等其他数据外，视频馈送被认为是为人类提供真实情况以最终做出正确决策的关键。然而，如果视频没有及时交付，它就会变得毫无用处，或者可能产生灾难性的后果。另外，流式传输的视频中的任何中断（例如，在穿越国家间边界时的切换操作期间）对用户来说是非常烦人的，并且也可能造成损害。在本文中，我们首先描述两个重要的用例，即远程驾驶和排队，其中视频的及时交付非常重要[1]。此后，我们详细介绍了我们实施的解决方案，以适应上述自动驾驶车辆的用例。通过在本地和LTE网络中的广泛实验，我们证明了我们的解决方案可以确保非常低的端到端延迟。此外，我们表明，我们的解决方案保持视频中断尽可能低的切换操作过程中。
2022-01-05 cs.NI
When Virtual Reality Meets Rate Splitting Multiple Access: A Joint Communication and Computation Approach
对于需要高数据率的应用，速率分割多址（RSMA）已经成为一种有效的干扰管理方案。尽管RSMA在速率增强和频谱效率方面表现出了优势，但它尚未准备好用于延迟敏感的应用，例如虚拟现实流媒体，这是未来6G网络的重要组成部分。与传统的高清晰度流应用不同，流虚拟现实应用不仅需要严格的延迟要求，而且需要发射机的计算能力来快速响应动态用户的需求。因此，常规RSMA方法通常无法解决由发射器处的计算需求引起的挑战，更不用说虚拟现实流式传输应用的动态性质了。为了克服上述挑战，我们首先制定的虚拟现实流问题的辅助下，RSMA作为一个联合通信和计算优化问题。然后提出了一种新的组播方法，聚类用户到不同的组的基础上的视野度量和传输组播流的分层方式。在此之后，我们提出了一种深度强化学习方法来获得优化问题的解决方案。大量的模拟表明，我们的框架可以实现毫秒延迟的要求，这是远远低于其他基线方案。
2022-07-25 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
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
Towards Retina-Quality VR Video Streaming: 15ms Could Save You 80% of Your Bandwidth
当今的虚拟现实系统还不能通过网络流式传输沉浸式、视网膜质量的虚拟现实视频。这一目标的最大挑战之一是以高分辨率和帧速率传输视网膜质量视频帧所需的绝对数据率。最近的工作已经利用了新颖的视注视为条件的视频压缩技术中人类感知的视觉敏锐度的衰减。在本文中，我们表明，减少系统本身的运动到光子的延迟是提高凝视相关压缩的压缩比的关键方法。我们的关键发现是，延迟低于15 ms的客户端和流媒体服务器系统可以实现比传统技术高5倍的压缩，同时使用比以前工作更简单的软件算法。
2021-09-20 cs.GR cs.MM 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
Enhanced adaptive cross-layer scheme for low latency HEVC streaming over Vehicular Ad-hoc Networks (VANETs)
Univ. Polytechnique Hauts-de-France（上法兰西理工大学）；CNRS（法国国家科学研究中心）；Univ. Lille（里尔大学）；YNCREA；Centrale Lille（里尔中央理工学院）；IEMN（电子、微电子与纳米技术研究所）；Badji Mokhtar University Annaba（安纳巴巴吉莫赫塔尔大学）
针对车载自组织网络信道多变、带宽有限导致的低时延HEVC视频传输质量难保障的问题，提出一种结合视频编码结构、帧重要性和网络负载的低复杂度跨层队列分配机制，相较802.11p的EDCA机制显著提升了视频质量并降低了端到端时延。
2023-11-05 cs.CV cs.MM cs.NI
Cross-layer scheme for low latency multiple description video streaming over Vehicular Ad-hoc NETworks (VANETs)
Univ. Polytechnique Hauts-de-France（上法兰西理工大学）；CNRS（法国国家科学研究中心）；Univ. Lille（里尔大学）；YNCREA（法国北部高等电子、自动化与机械学院联盟）；Centrale Lille（里尔中央理工学院）；Badji Mokhtar University Annaba（巴吉·莫赫塔尔-安纳巴大学）
针对VANETs低延迟视频流传输中AI编码结构导致高码率的问题，提出一种基于多描述编码和IEEE 802.11p MAC层自适应映射机制的低复杂度跨层系统，显著提升了接收端的视频质量。
2023-11-05 cs.CV cs.MM cs.NI
Evaluating Wi-Fi Performance for VR Streaming: A Study on Realistic HEVC Video Traffic
Universitat Pompeu Fabra（庞培法布拉大学）
本文通过仿真实验研究了Wi-Fi网络在支持真实VR流媒体时的性能，发现Intra-refresh编码能有效降低延迟波动并提升服务质量，支持最多4个CBR 100 Mbps的VR用户
2026-01-23 cs.MM cs.NI eess.IV
