文献

J-GLOBAL ID：202202226294749387   整理番号：22A0691490

DeSVQ:深層学習ベースのストリーミングビデオQoE推定【JST・京大機械翻訳】

DeSVQ: Deep Learning Based Streaming Video QoE Estimation

著者 (3件)： Ghosh Monalisa (Indian Institute of Technology, Kharagpur, India) ,  Singhal Dr. Chetna (Indian Institute of Technology, Kharagpur, India) ,  Wayal Rushikesh (IIT Kharagpur, India)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICDCN 2022  ページ： 19-25  発行年： 2022年 
JST資料番号： D0698C  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： 品質-経験(QoE)は,マルチメディアストリーミングサービスの効率を評価するための顕著な主観的品質計量である。ビデオストリーミングは,過去10年で顕著な成長を見るセグメントである。それは,時間によって変化する歪みを誘発する品質スイッチング,圧縮,および緩衝事象の混合相互作用によって影響を受ける。正確なストリーミングQoE予測は,エンドビューア経験を改善するためにコンテンツ伝送の適応を助けることができる。本研究では,複数の特徴処理段階を結合する畳込みニューラルネットワーク(CNN)とLong Short Termメモリ(LSTM)ネットワークからなる統合フレームワークを用いた深層学習アプローチであるDeSVQを提案し,それらの各々はQoE予測プロセスの基礎となる複雑な依存性を効果的に捉える。1段階で,LSTMネットワークによりQoEスコアに順次マッピングされたCNNにより,歪みビデオからフレームごとに特徴を抽出した。もう一つの段階で,LSTMネットワークは目的(数値)特徴を用いて時間的依存性を探索する。両段階からの出力は,線形結合され,決定木に供給される。交差検証フレームワークを評価に用いた。提案モデルは既存の手法よりも良いQoE予測を行うことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  相互作用 ,  サービス ,  推定 ,  ネットワーク ,  品質 ,  ディシジョンツリー ,  *録画装置 ,  プロトコル ,  コンテンツ ,  *ストリーミング
準シソーラス用語： ビデオストリーミング ,  HTTP ,  *体感品質 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳込みニューラルネットワーク(CNN) ,  HTTP(DASH)上の動的適応ストリーミング ,  長期短期記憶(LSTM) ,  品質オブ経験(QoE) ,  ビデオストリーミング

分類 (2件)： テレビジョン一般  (ND12031N) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： 深層学習 ,  ストリーミング ,  ビデオ ,  QoE ,  推定