論文の概要: Enhanced adaptive cross-layer scheme for low latency HEVC streaming over
Vehicular Ad-hoc Networks (VANETs)
- arxiv url: http://arxiv.org/abs/2311.02664v1
- Date: Sun, 5 Nov 2023 14:19:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 16:29:08.396927
- Title: Enhanced adaptive cross-layer scheme for low latency HEVC streaming over
Vehicular Ad-hoc Networks (VANETs)
- Title（参考訳）: Vehicular Ad-hoc Networks (VANETs) を用いた低レイテンシHEVCストリーミングのための適応型クロスレイヤー方式
- Authors: Mohamed Aymen Labiod, Mohamed Gharbi, Fran\c{c}ois-Xavier Coudoux,
Patrick Corlay and Noureddine Doghmane
- Abstract要約: HEVCはVehicular Ad-hoc Networks (VANET)を通じてリアルタイムビデオストリーミングを約束している
低遅延制約下でのVANETにおけるHEVCビデオストリーミングのエンドツーエンド性能を改善するために,低複雑性のクロス層機構を提案する。
提案機構は802.11pで採用されているEDCAと比較して、受信時の映像品質とエンドツーエンド遅延に関する大幅な改善を提供する。
- 参考スコア（独自算出の注目度）: 2.2124180701409233
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Vehicular communication has become a reality guided by various applications.
Among those, high video quality delivery with low latency constraints required
by real-time applications constitutes a very challenging task. By dint of its
never-before-achieved compression level, the new High-Efficiency Video Coding
(HEVC) is very promising for real-time video streaming through Vehicular Ad-hoc
Networks (VANET). However, these networks have variable channel quality and
limited bandwidth. Therefore, ensuring satisfactory video quality on such
networks is a major challenge. In this work, a low complexity cross-layer
mechanism is proposed to improve end-to-end performances of HEVC video
streaming in VANET under low delay constraints. The idea is to assign to each
packet of the transmitted video the most appropriate Access Category (AC) queue
on the Medium Access Control (MAC) layer, considering the temporal prediction
structure of the video encoding process, the importance of the frame and the
state of the network traffic load. Simulation results demonstrate that for
different targeted low-delay video communication scenarios, the proposed
mechanism offers significant improvements regarding video quality at the
reception and end-to-end delay compared to the Enhanced Distributed Channel
Access (EDCA) adopted in the 802.11p. Both Quality of Service (QoS) and Quality
of Experience (QoE) evaluations have been also carried out to validate the
proposed approach.
- Abstract（参考訳）: 車両通信は様々な応用によって導かれる現実となった。
中でもリアルタイムアプリケーションに必要なレイテンシの制約が低いビデオ品質のデリバリは非常に難しい作業です。
未達成の圧縮レベルを下げることで、新しい高効率ビデオ符号化(HEVC)はVehicular Ad-hoc Networks(VANET)によるリアルタイムビデオストリーミングに非常に有望である。
しかし、これらのネットワークはチャンネル品質と帯域幅の制限がある。
したがって、そのようなネットワーク上で十分なビデオ品質を確保することは大きな課題である。
本研究では,低遅延制約下でのVANETにおけるHEVCビデオストリーミングのエンドツーエンド性能を改善するために,低複雑性層間機構を提案する。
その考え方は、ビデオ符号化プロセスの時間的予測構造、フレームの重要性、ネットワークトラフィック負荷の状況を考慮して、送信されたビデオの各パケットに、メディアアクセス制御(MAC)層上で最も適切なアクセスカテゴリ(AC)キューを割り当てることである。
シミュレーションの結果,802.11p で採用されている分散チャネルアクセス (EDCA) と比較して,様々な低遅延ビデオ通信シナリオに対して,受信時の映像品質とエンドツーエンド遅延に関する大幅な改善が見られた。
QoS(Quality of Service)とQoE(Quality of Experience)の評価も提案手法を検証するために実施されている。
関連論文リスト
- AI Flow at the Network Edge [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。
この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文 参考訳（メタデータ） (2024-11-19T12:51:17Z) - Adaptive Caching for Faster Video Generation with Diffusion Transformers [52.73348147077075]
拡散変換器(DiT)はより大きなモデルと重い注意機構に依存しており、推論速度が遅くなる。
本稿では,Adaptive Caching(AdaCache)と呼ばれる,ビデオDiTの高速化のためのトレーニング不要手法を提案する。
また,AdaCache内で動画情報を利用するMoReg方式を導入し,動作内容に基づいて計算割り当てを制御する。
論文 参考訳（メタデータ） (2024-11-04T18:59:44Z) - Coverage-aware and Reinforcement Learning Using Multi-agent Approach for HD Map QoS in a Realistic Environment [8.853779271331508]
オフロードプロセスを最適化する効果的な方法の1つは、送信時間を最小化することである。
これはVehicular Adhoc Network(VANET)において特に当てはまり、車両はHD(High-Definition)マップデータを頻繁にダウンロードしてアップロードする。
論文 参考訳（メタデータ） (2024-07-19T12:40:07Z) - VideoQA-SC: Adaptive Semantic Communication for Video Question Answering [21.0279034601774]
本稿では,ビデオQA-SCと呼ばれるビデオ質問応答タスクのためのエンドツーエンドのSCシステムを提案する。
我々のゴールは、ノイズや失速する無線チャンネル上のビデオセマンティクスに基づいて、ビデオQAタスクを直接実行することである。
ビデオアプリケーションにおけるタスク指向のSCシステム設計の可能性を示す。
論文 参考訳（メタデータ） (2024-05-17T06:11:10Z) - Cross-layer scheme for low latency multiple description video streaming
over Vehicular Ad-hoc NETworks (VANETs) [2.2124180701409233]
HEVC標準はリアルタイムビデオストリーミングに非常に有望だ。
新しい最先端のビデオ符号化(HEVC)標準は、リアルタイムビデオストリーミングに非常に有望である。
本稿では,車載通信における映像品質を向上させるために,独自のクロスレイヤーシステムを提案する。
論文 参考訳（メタデータ） (2023-11-05T14:34:58Z) - Neighbourhood Representative Sampling for Efficient End-to-end Video
Quality Assessment [60.57703721744873]
リアルタイムビデオの高解像度化は、VQA(Deep Video Quality Assessment)の効率性と精度のジレンマを示す
そこで本研究では,空間時空間格子型ミニキューブサンプリング(St-GMS)を統一的に提案し,新しいタイプのフラグメントを抽出する。
フラグメントとFANetにより、提案された効率的なエンドツーエンドのFAST-VQAとFasterVQAは、既存のVQAベンチマークよりも大幅にパフォーマンスが向上した。
論文 参考訳（メタデータ） (2022-10-11T11:38:07Z) - FAST-VQA: Efficient End-to-end Video Quality Assessment with Fragment
Sampling [54.31355080688127]
現在のDeep Video Quality Assessment (VQA) 法は通常、高解像度ビデオを評価する際に高い計算コストがかかる。
そこで我々はGrid Mini-patch Smpling (GMS)を提案する。
フラグメント・アテンション・ネットワーク(FANet)は,フラグメントを入力として扱うように設計されている。
FAST-VQAは1080P高解像度ビデオで99.5%のFLOPを削減し、最先端の精度を約10%向上させる。
論文 参考訳（メタデータ） (2022-07-06T11:11:43Z) - FAVER: Blind Quality Prediction of Variable Frame Rate Videos [47.951054608064126]
ビデオ品質アセスメント(VQA)は、最も大規模な多くのアプリケーションに影響を与える重要かつ困難な問題であり続けている。
我々は、フレームレート対応ビデオ評価器w/o参照(FAVER)をダブした、HFRビデオの評価のための第一種ブラインドVQAモデルを提案する。
いくつかのHFRビデオ品質データセットに対する実験により、FAVERは他の盲点VQAアルゴリズムよりも妥当な計算コストで優れていることが示された。
論文 参考訳（メタデータ） (2022-01-05T07:54:12Z) - CANS: Communication Limited Camera Network Self-Configuration for
Intelligent Industrial Surveillance [8.360870648463653]
リアルタイムおよびインテリジェントなカメラネットワークによるビデオ監視には、大量のビデオデータによる計算集約的な視覚検出タスクが含まれる。
複数のビデオストリームは、エッジデバイスとカメラネットワークのリンク上で限られた通信リソースを競う。
ビデオ監視の適応型カメラネットワーク自己設定法(CANS)を提案する。
論文 参考訳（メタデータ） (2021-09-13T01:54:33Z) - Non-Cooperative Game Theory Based Rate Adaptation for Dynamic Video
Streaming over HTTP [89.30855958779425]
Dynamic Adaptive Streaming over HTTP (DASH)は、新興かつ有望なマルチメディアストリーミング技術であることを示した。
本稿では,サーバの限られた輸出帯域幅をマルチユーザに対して最適に割り当てるアルゴリズムを提案し,その品質・オブ・エクスペリエンス(QoE)を公平性で最大化する。
論文 参考訳（メタデータ） (2019-12-27T01:19:14Z)
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。