論文の概要: NANCY: Neural Adaptive Network Coding methodologY for video distribution
over wireless networks
- arxiv url: http://arxiv.org/abs/2008.09559v1
- Date: Fri, 21 Aug 2020 15:55:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 22:29:26.465010
- Title: NANCY: Neural Adaptive Network Coding methodologY for video distribution
over wireless networks
- Title(参考訳): NANCY:無線ネットワーク上の映像配信のためのニューラル適応ネットワーク符号化手法
- Authors: Paresh Saxena, Mandan Naresh, Manik Gupta, Anirudh Achanta, Sastri
Kota and Smrati Gupta
- Abstract要約: NANCYは、ビデオおよび適応ネットワーク符号化レート(ANCR)のための適応ビットレート(ABR)を生成するシステムである。
NANCYは、QoE(Quality of Experience)メトリクスとして定式化された報酬でニューラルネットワークモデルをトレーニングする。
その結果,NANCYはペンシーブやロバストMPCよりも平均QoEが29.91%,60.34%高い値を示した。
- 参考スコア(独自算出の注目度): 1.636104578028594
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents NANCY, a system that generates adaptive bit rates (ABR)
for video and adaptive network coding rates (ANCR) using reinforcement learning
(RL) for video distribution over wireless networks. NANCY trains a neural
network model with rewards formulated as quality of experience (QoE) metrics.
It performs joint optimization in order to select: (i) adaptive bit rates for
future video chunks to counter variations in available bandwidth and (ii)
adaptive network coding rates to encode the video chunk slices to counter
packet losses in wireless networks. We present the design and implementation of
NANCY, and evaluate its performance compared to state-of-the-art video rate
adaptation algorithms including Pensieve and robustMPC. Our results show that
NANCY provides 29.91% and 60.34% higher average QoE than Pensieve and
robustMPC, respectively.
- Abstract(参考訳): 本稿では,無線ネットワーク上での映像配信のための強化学習(RL)を用いて,ビデオおよび適応ネットワーク符号化レート(ANCR)の適応ビットレート(ABR)を生成するシステムであるNANCYを提案する。
NANCYは、QoE(Quality of Experience)メトリクスとして定式化された報酬でニューラルネットワークモデルをトレーニングする。
選択するために共同最適化を行う。
(i)利用可能な帯域幅の変動に対応する将来のビデオチャンクの適応ビットレート
(ii)無線ネットワークにおけるパケットロスに対応するためにビデオチャンクスライスを符号化する適応ネットワーク符号化レート。
本稿では,NANCYの設計と実装について述べるとともに,Pensieve や robustMPC などの最先端ビデオレート適応アルゴリズムと比較して性能評価を行う。
その結果,NANCYはペンシーブやロバストMPCよりも平均QoEが29.91%,60.34%高い値を示した。
関連論文リスト
- Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth
Soft-Thresholding [57.71603937699949]
我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。
トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
論文 参考訳(メタデータ) (2023-09-12T13:03:47Z) - DeepWiVe: Deep-Learning-Aided Wireless Video Transmission [0.0]
We present DeepWiVe, the first-ever end-to-end joint source-channel coding (JSCC) video transmission scheme。
ディープニューラルネットワーク(DNN)を使用して、ビデオ信号をチャネルシンボルにマッピングし、ビデオ圧縮、チャネルコーディング、変調ステップを1つのニューラルトランスフォーメーションに組み合わせます。
この結果から,DeepWiVeは従来の分離方式のディジタル通信方式で普及している崖効果を克服できることがわかった。
論文 参考訳(メタデータ) (2021-11-25T11:34:24Z) - Rate Distortion Characteristic Modeling for Neural Image Compression [59.25700168404325]
エンドツーエンドの最適化機能は、ニューラルイメージ圧縮(NIC)の優れた損失圧縮性能を提供する。
異なるモデルは、R-D空間の異なる点に到達するために訓練される必要がある。
深層ネットワークと統計モデルを用いてNICのR-D挙動を記述するために,本質的な数学的関数の定式化に努めている。
論文 参考訳(メタデータ) (2021-06-24T12:23:05Z) - Improved CNN-based Learning of Interpolation Filters for Low-Complexity
Inter Prediction in Video Coding [5.46121027847413]
本稿では,ニューラルネットワークを用いた新しい予測手法を提案する。
新たなトレーニングフレームワークにより、各ネットワークブランチは特定の分数シフトに類似することができる。
Versatile Video Coding (VVC)テストモデルで実装されると、0.77%、1.27%、および2.25%のBDレートの節約が達成される。
論文 参考訳(メタデータ) (2021-06-16T16:48:01Z) - ANT: Learning Accurate Network Throughput for Better Adaptive Video
Streaming [20.544139447901113]
アダプティブビットレート(ABR)決定は、ビデオストリーミングアプリケーションで満足のいくQoE(Quality of Experience)を確保するために重要な役割を果たします。
本稿では、ネットワークスループットダイナミクスの全スペクトルを特徴付けるためにANT(a.k.a., Accurate Network Throughput)モデルを学ぶことを提案する。
その結果,現在のPensiveやOboeと比較して,ユーザQoEを65.5%,31.3%向上させることができることがわかった。
論文 参考訳(メタデータ) (2021-04-26T12:15:53Z) - End-to-end learnable EEG channel selection with deep neural networks [72.21556656008156]
本稿では,脳波チャネル選択をニューラルネットワーク自体に組み込む枠組みを提案する。
我々は、離散チャネル選択パラメータの連続緩和を用いて、この新しい最適化問題の離散的性質を扱う。
この一般的なアプローチは、2つの異なるEEGタスクで評価される。
論文 参考訳(メタデータ) (2021-02-11T13:44:07Z) - Local Critic Training for Model-Parallel Learning of Deep Neural
Networks [94.69202357137452]
そこで我々は,局所的批判訓練と呼ばれる新しいモデル並列学習手法を提案する。
提案手法は,畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の両方において,階層群の更新プロセスの分離に成功したことを示す。
また,提案手法によりトレーニングされたネットワークを構造最適化に利用できることを示す。
論文 参考訳(メタデータ) (2021-02-03T09:30:45Z) - A Deep-Unfolded Reference-Based RPCA Network For Video
Foreground-Background Separation [86.35434065681925]
本稿では,ロバスト主成分分析(RPCA)問題に対するディープアンフォールディングに基づくネットワーク設計を提案する。
既存の設計とは異なり,本手法は連続するビデオフレームのスパース表現間の時間的相関をモデル化することに焦点を当てている。
移動MNISTデータセットを用いた実験により、提案したネットワークは、ビデオフォアグラウンドとバックグラウンドの分離作業において、最近提案された最先端のRPCAネットワークより優れていることが示された。
論文 参考訳(メタデータ) (2020-10-02T11:40:09Z) - Efficient Adaptation of Neural Network Filter for Video Compression [10.769305738505071]
本稿では,ニューラルネットワークフィルタのための効率的なファインタニング手法を提案する。
微細チューニングは、エンコーダ側で行われ、ニューラルネットワークが符号化されている特定のコンテンツに適応する。
提案手法は従来のファインタニング手法よりもはるかに高速である。
論文 参考訳(メタデータ) (2020-07-28T14:24:28Z) - Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。
標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2020-04-06T15:51:00Z)
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。