文献

J-GLOBAL ID：202002270951791603   整理番号：20A0437610

DeEPLIV:深部強化学習によるライブビデオストリーミングのためのQoE最適化【JST・京大機械翻訳】

Deeplive: QoE Optimization for Live Video Streaming through Deep Reinforcement Learning

著者 (5件)： Tian Zhao (Tianjin University, China) ,  Zhao Laiping (Tianjin University, China) ,  Nie Lihai (Tianjin University, China) ,  Chen Peiqi (Tianjin University, China) ,  Chen Shuyu (Tianjin University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICPADS  ページ： 827-831  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 近年,ライブストリーミングをサポートする新しい広いビデオサービスが広く普及している。従来のビデオオンデマンド(VOD)サービスと比較して,ライブビデオストリーミングには,低い再バッファリング,高い定義,低い待ち時間および低いビットレート振動を含む,経験(QoE)に関するはるかに高い要求がある。以前の適応ビットレートアルゴリズム(ABR)は,VODのQoEを確実にするためのビットレートのみを最適化するが,ライブビデオストリーミングはより大きな決定空間を持ち,最適化問題をより解決するのが難しい。著者らは,深い強化学習(DRL)を通してQoEを最大化するDeepライブを提案し,そのため,それは固定規則に依存しない。Deepライブの訓練プロセスを加速するために,著者らはさらに,歴史的データによるウィンドウ完成と速度ベースのアルゴリズムによる速いスタートを含む最適化を提案した。異なるネットワークトレース,QoE定義,およびビデオカテゴリを用いて,フレームレベルの動的適応ビデオストリーミングシミュレータにおいて,他の先進的ABRアルゴリズムとDeepライブを比較した。すべての実験において,Deepライブは訓練時間において有意な改善を有するだけでなく,最先端のABRアルゴリズムよりQoEに関する平均15~55%の改善を示すことを見出した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 緩衝作用 ,  *強化学習 ,  VOD【ビデオオンデマンド】 ,  待ち時間 ,  ネットワーク ,  *録画装置 ,  アルゴリズム ,  *最適化 ,  最適化問題
準シソーラス用語： ビットレート ,  ライブストリーミング ,  *体感品質 ,  *ビデオストリーミング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深部 ,  強化学習 ,  ビデオストリーミング ,  QoE ,  最適化