適応ビデオストリーミング品質評価に関する簡潔な調査【JST・京大機械翻訳】

Zhou Wei; Min Xiongkuo; Li Hong; Jiang Qiuping

プレプリント

J-GLOBAL ID：202202211103738976 整理番号：22P0295599

適応ビデオストリーミング品質評価に関する簡潔な調査【JST・京大機械翻訳】

A Brief Survey on Adaptive Video Streaming Quality Assessment

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2022年02月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

適応ビデオストリーミングのための経験品質(QoE)評価は,高度なネットワーク管理システムにおいて,重要な役割を果たす。それは,付加的再生問題を含むますます複雑な特性を有するHTTP(DASH)上の動的適応ストリーミング方式の場合に特に困難である。本論文では,適応ビデオストリーミング品質評価の簡単な概観を提供した。関連する研究のレビューで,適応ビデオストリーミングのための機械学習技術の使用の有無で,客観的QoE評価モデルの異なる変動を解析し,比較した。性能分析を通して,ハイブリッドモデルがサービス品質(QoS)駆動QoE手法と信号忠実度測定の両方よりも性能が優れていることを観測した。さらに,機械学習ベースのモデルは,同じ設定のための機械学習を使用せずに,モデルよりもわずかに優れている。さらに,既存のビデオストリーミングQoE評価モデルは,まだ限られた性能を持ち,実際の通信システムに適用するのを困難にする。したがって,従来のビデオ品質予測のための深層学習特徴表現の成功に基づいて,ストリーミングビデオの知覚品質を評価するために,また,ストリーミングビデオの時空間特性を考慮に入れた,オフ-シェルの深い畳み込みニューラルネットワーク(DCNN)を適用した。実験により,適応ビデオストリーミング品質評価のための特別に設計した深層学習フレームワークの将来開発に光を当てる優位性を示した。この調査が適応ビデオストリーミングのQoE評価のためのガイドラインとして役立つと信じる。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

テレビジョン一般

, , ,

前のページに戻る