論文の概要: An Ensemble Rate Adaptation Framework for Dynamic Adaptive Streaming Over HTTP

• arxiv url: http://arxiv.org/abs/1912.11822v1
• Date: Thu, 26 Dec 2019 09:54:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-10 08:32:13.055395
• Title: An Ensemble Rate Adaptation Framework for Dynamic Adaptive Streaming Over HTTP
• Title（参考訳）: HTTP上の動的適応ストリーミングのためのアンサンブルレート適応フレームワーク
• Authors: Hui Yuan, Xiaoqian Hu, Junhui Hou, Xuekai Wei, and Sam Kwong
• Abstract要約: DASHのためのアンサンブルレート適応フレームワークを提案する。 フレームワークに関わる複数のメソッドの利点を活用して、ユーザのQoE(Quality of Experience)を改善することを目的としている。
• 参考スコア（独自算出の注目度）: 88.56768382424443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rate adaptation is one of the most important issues in dynamic adaptive streaming over HTTP (DASH). Due to the frequent fluctuations of the network bandwidth and complex variations of video content, it is difficult to deal with the varying network conditions and video content perfectly by using a single rate adaptation method. In this paper, we propose an ensemble rate adaptation framework for DASH, which aims to leverage the advantages of multiple methods involved in the framework to improve the quality of experience (QoE) of users. The proposed framework is simple yet very effective. Specifically, the proposed framework is composed of two modules, i.e., the method pool and method controller. In the method pool, several rate adap tation methods are integrated. At each decision time, only the method that can achieve the best QoE is chosen to determine the bitrate of the requested video segment. Besides, we also propose two strategies for switching methods, i.e., InstAnt Method Switching, and InterMittent Method Switching, for the method controller to determine which method can provide the best QoEs. Simulation results demonstrate that, the proposed framework always achieves the highest QoE for the change of channel environment and video complexity, compared with state-of-the-art rate adaptation methods.
• Abstract（参考訳）: HTTP(DASH)上の動的適応ストリーミングにおいて、レート適応は最も重要な問題のひとつである。 ネットワーク帯域幅の頻繁な変動とビデオコンテンツの複雑な変動のため、単一レート適応法を用いて、ネットワーク条件や動画コンテンツを完璧に扱うことは困難である。 本稿では,DASHのためのアンサンブルレート適応フレームワークを提案する。このフレームワークに関係する複数の手法の利点を活用し,ユーザ体験の質(QoE)を向上させることを目的とする。 提案されたフレームワークはシンプルだが、非常に効果的である。 具体的には,提案するフレームワークは,メソッドプールとメソッドコントローラという2つのモジュールから構成される。 メソッド・プールでは、いくつかのレート・アダプ・テイション・メソッドが統合される。 各決定時刻に最適なqoeを達成する方法のみを選択し、要求されたビデオセグメントのビットレートを決定する。 また,最も優れたqoeを提供する方法を決定するための方法コントローラに対して,切替方式,即席切換方式,間欠的切換方式の2つの戦略を提案する。 シミュレーションの結果,提案するフレームワークは,常にチャネル環境やビデオの複雑さの変化に対して高いQoEを達成していることがわかった。

関連論文リスト

• End-to-End Video Question Answering with Frame Scoring Mechanisms and Adaptive Sampling [43.024232182899354]
  そこで我々は,VidF4を提案する。VidF4は,ビデオQAを効果的かつ効率的に選択するためのフレーム選択戦略を備えた,新しいビデオQAフレームワークである。 本稿では,ビデオ上での質問に対する各フレームの重要性を評価するために,質問関連性とフレーム間類似性の両方を考慮した3つのフレーム照合機構を提案する。 広く採用されている3つのベンチマークによる実験結果から,我々のモデルは既存のビデオQA手法より一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-21T04:09:37Z)
• PRANCE: Joint Token-Optimization and Structural Channel-Pruning for Adaptive ViT Inference [44.77064952091458]
  PRANCEはVision Transformer圧縮フレームワークで、アクティベートされたチャネルを共同で最適化し、入力の特性に基づいてトークンを削減する。 本稿では,ViTの推論過程を逐次決定プロセスとしてモデル化する,新しい「結果と結果」学習機構を提案する。 我々のフレームワークは、プルーニング、マージング、プルーニングマージングといった様々なトークン最適化手法と互換性があることが示されている。
  論文  参考訳（メタデータ） (2024-07-06T09:04:27Z)
• Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
  本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。 AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。 AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2024-03-12T11:48:49Z)
• MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
  本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。 実験により,提案手法が現在の先行手法を超越していることが実証された。
  論文  参考訳（メタデータ） (2024-01-19T04:40:20Z)
• Preconditioned Federated Learning [7.7269332266153326]
  Federated Learning(FL)は、コミュニケーションの効率的かつプライバシ保護の方法でモデルトレーニングを可能にする分散機械学習アプローチである。 FedAvgは、現代の一階適応最適化と比較してアルゴリズム適応性を欠いていると考えられている。 局所適応性(PreFed)とサーバ側適応性(PreFedOp)の2つのフレームワークに基づく通信効率の高い新しいFLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-20T14:58:47Z)
• Boost Video Frame Interpolation via Motion Adaptation [73.42573856943923]
  ビデオフレーム(VFI)は、2つの連続するフレーム間の中間フレームを生成することを目的とした課題である。 既存の学習ベースのVFI手法は大きな成功を収めたが、それでも限定的な一般化能力に悩まされている。 テスト時に見えない動作に適応できる新しい最適化ベースのVFI法を提案する。
  論文  参考訳（メタデータ） (2023-06-24T10:44:02Z)
• FedDA: Faster Framework of Local Adaptive Gradient Methods via Restarted Dual Averaging [104.41634756395545]
  フェデレートラーニング(Federated Learning, FL)は、大規模な分散データに取り組むための新たな学習パラダイムである。 局所適応勾配法のための新しいフレームワークである textbfFedDA を提案する。 textbfFedDA-MVR は適応FLアルゴリズムとしては初めてこの速度を実現することを示す。
  論文  参考訳（メタデータ） (2023-02-13T05:10:30Z)
• Two-Stage Constrained Actor-Critic for Short Video Recommendation [23.12631658373264]
  CMDP(Constrained Markov Decision Process)として短いビデオレコメンデーションの問題を定式化する。 本稿では,各補助信号の最適化のための2段階制約付きアクター批判手法を提案する。 我々の手法は、時計時間と相互作用の両面で、他のベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2023-02-03T12:02:54Z)
• Video Face Super-Resolution with Motion-Adaptive Feedback Cell [90.73821618795512]
  深部畳み込みニューラルネットワーク(CNN)の発展により,ビデオ超解像法(VSR)は近年,顕著な成功を収めている。 本稿では,動作補償を効率的に捕捉し,適応的にネットワークにフィードバックする,シンプルで効果的なブロックである動き適応型フィードバックセル(MAFC)を提案する。
  論文  参考訳（メタデータ） (2020-02-15T13:14:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。