抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】