Fugu-MT 論文翻訳(概要): A Brief Survey on Adaptive Video Streaming Quality Assessment

論文の概要: A Brief Survey on Adaptive Video Streaming Quality Assessment

arxiv url: http://arxiv.org/abs/2202.12987v1
Date: Fri, 25 Feb 2022 21:38:14 GMT
ステータス: 処理完了
システム内更新日: 2022-03-01 17:11:09.647513
Title: A Brief Survey on Adaptive Video Streaming Quality Assessment
Title（参考訳）: 適応型ビデオストリーミング品質評価に関する簡単な調査
Authors: Wei Zhou, Xiongkuo Min, Hong Li, Qiuping Jiang
Abstract要約: 適応型ビデオストリーミングにおける品質・オブ・エクスペリエンス(QoE)の評価は,高度ネットワーク管理システムにおいて重要な役割を担っている。我々は、適応的なビデオストリーミングのための機械学習技術を用いて、客観的QoEアセスメントモデルの様々なバリエーションを分析し、比較する。既存のビデオストリーミングQoEアセスメントモデルにはまだ性能が限られており,実用的な通信システムに適用することは困難である。
参考スコア（独自算出の注目度）: 30.253712568568876
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quality of experience (QoE) assessment for adaptive video streaming plays a significant role in advanced network management systems. It is especially challenging in case of dynamic adaptive streaming schemes over HTTP (DASH) which has increasingly complex characteristics including additional playback issues. In this paper, we provide a brief overview of adaptive video streaming quality assessment. Upon our review of related works, we analyze and compare different variations of objective QoE assessment models with or without using machine learning techniques for adaptive video streaming. Through the performance analysis, we observe that hybrid models perform better than both quality-of-service (QoS) driven QoE approaches and signal fidelity measurement. Moreover, the machine learning-based model slightly outperforms the model without using machine learning for the same setting. In addition, we find that existing video streaming QoE assessment models still have limited performance, which makes it difficult to be applied in practical communication systems. Therefore, based on the success of deep learned feature representations for traditional video quality prediction, we also apply the off-the-shelf deep convolutional neural network (DCNN) to evaluate the perceptual quality of streaming videos, where the spatio-temporal properties of streaming videos are taken into consideration. Experiments demonstrate its superiority, which sheds light on the future development of specifically designed deep learning frameworks for adaptive video streaming quality assessment. We believe this survey can serve as a guideline for QoE assessment of adaptive video streaming.
Abstract（参考訳）: qoe(quality of experience) 適応型ビデオストリーミングの評価は、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担っている。 HTTP(DASH)上の動的適応ストリーミングスキームでは特に困難であり、追加の再生問題を含む複雑な特徴が増している。本稿では,適応型ビデオストリーミング品質評価の概要について述べる。関連研究のレビューでは,対象QoE評価モデルの様々なバリエーションを,適応型ビデオストリーミングのための機械学習技術を用いて分析・比較する。性能分析を通じて,qos駆動型qoeアプローチと信号忠実度測定の両方よりもハイブリッドモデルの方が優れた性能を示す。さらに、機械学習ベースのモデルは、同じ設定で機械学習を使わずに、モデルをわずかに上回る。また,既存のビデオストリーミングqoe評価モデルでは性能が制限されているため,実用的な通信システムでは適用が困難である。そこで,本研究では,従来の映像品質予測における深層学習特徴表現の成功を活かし,市販の深層畳み込みニューラルネットワーク(dcnn)を用いて,ストリーミング映像の時空間特性を考慮した知覚的品質評価を行う。実験は、適応型ビデオストリーミング品質評価のための特別に設計されたディープラーニングフレームワークの将来の開発に光を当てる、その優位性を実証する。この調査は、適応型ビデオストリーミングのQoE評価のガイドラインとして役立つと考えている。

関連論文リスト

Satellite Streaming Video QoE Prediction: A Real-World Subjective Database and Network-Level Prediction Models [59.061552498630874]
LIVE-Viasat Real-World Satellite QoE Databaseを紹介する。このデータベースは、現実世界のストリーミングサービスから記録された179のビデオで構成されている。本稿では,QoE予測モデルの有効性を評価することで,この新たな資源の有用性を実証する。また、ネットワークパラメータを予測された人間の知覚スコアにマッピングする新しいモデルを作成しました。
論文参考訳（メタデータ） (2024-10-17T18:22:50Z)
Subjective and Objective Quality-of-Experience Evaluation Study for Live Video Streaming [51.712182539961375]
ライブビデオストリーミングにおける主観的および客観的QoE評価の総合的研究を行う。主観的なQoE研究のために、最初のライブビデオストリーミングQoEデータセットであるTaoLive QoEを紹介する。 TaoLive QoEデータセットの主観的QoEスコアを導出するために人間による研究を行った。マルチスケールな意味的特徴と光フローに基づく動作特徴を統合したエンドツーエンドQoE評価モデルTao-QoEを提案する。
論文参考訳（メタデータ） (2024-09-26T07:22:38Z)
Benchmarking AIGC Video Quality Assessment: A Dataset and Unified Model [54.69882562863726]
主観的および客観的品質評価の観点からAIGC-VQA問題を体系的に検討する。我々は,空間的品質,時間的品質,テキスト・ツー・ビデオアライメントの3次元から,AIGCビデオの知覚品質を評価する。本稿では,AIGCビデオの品質を包括的かつ正確に評価するUnify Generated Video Quality Assessment (UGVQ)モデルを提案する。
論文参考訳（メタデータ） (2024-07-31T07:54:26Z)
Modular Blind Video Quality Assessment [33.657933680973194]
Blind Video Quality Assessment (BVQA) は、幅広いビデオベースのプラットフォームやサービスにおけるエンドユーザーの視聴体験を評価し改善する上で重要な役割を担っている。本稿では,モジュール性向上のためのモジュール型BVQAモデルとトレーニング方法を提案する。
論文参考訳（メタデータ） (2024-02-29T15:44:00Z)
CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
論文参考訳（メタデータ） (2022-06-29T15:22:01Z)
RAPIQUE: Rapid and Accurate Video Quality Prediction of User Generated Content [44.03188436272383]
RAPIQUE(Rapid and Accurate Video Quality Evaluator)をダブする、コンテンツのための効率的で効率的なビデオ品質モデルを紹介します。 RAPIQUEは、品質認識のシーン統計機能と意味認識の深い畳み込み機能の両方の利点を組み合わせて活用します。最近の大規模なビデオ品質データベースに関する実験結果から、RAPIQUEはすべてのデータセットで最高のパフォーマンスを計算コストを大幅に削減できます。
論文参考訳（メタデータ） (2021-01-26T17:23:46Z)
Study on the Assessment of the Quality of Experience of Streaming Video [117.44028458220427]
本稿では,ストリーミング映像のQoEの主観的推定に対する様々な客観的要因の影響について検討する。本論文では標準的および手作り的特徴を示し,その相関とp値を示す。 SQoE-IIIデータベースは、これまでで最大の、そして最も現実的なデータベースだ。
論文参考訳（メタデータ） (2020-12-08T18:46:09Z)
UGC-VQA: Benchmarking Blind Video Quality Assessment for User Generated Content [59.13821614689478]
コンテンツの品質劣化は予測不能で、複雑で、しばしば開始されるため、Wild動画のブラインド品質の予測は非常に難しい。ここでは、主要なVQAモデルの包括的評価を行うことにより、この問題の進展に寄与する。先行するVQAモデルの特徴の上に特徴選択戦略を適用することで,先行するモデルが使用する統計的特徴のうち60点を抽出することができる。我々の実験結果から,VIDEVALは,他の先行モデルよりも計算コストがかなり低く,最先端の性能を達成できることが示唆された。
論文参考訳（メタデータ） (2020-05-29T00:39:20Z)

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。