論文の概要: Subjective and Objective Quality-of-Experience Evaluation Study for Live Video Streaming
- arxiv url: http://arxiv.org/abs/2409.17596v1
- Date: Thu, 26 Sep 2024 07:22:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-28 22:36:10.337991
- Title: Subjective and Objective Quality-of-Experience Evaluation Study for Live Video Streaming
- Title（参考訳）: ライブビデオストリーミングにおける主観的・客観的品質評価に関する研究
- Authors: Zehao Zhu, Wei Sun, Jun Jia, Wei Wu, Sibin Deng, Kai Li, Ying Chen, Xiongkuo Min, Jia Wang, Guangtao Zhai,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 51.712182539961375
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In recent years, live video streaming has gained widespread popularity across various social media platforms. Quality of experience (QoE), which reflects end-users' satisfaction and overall experience, plays a critical role for media service providers to optimize large-scale live compression and transmission strategies to achieve perceptually optimal rate-distortion trade-off. Although many QoE metrics for video-on-demand (VoD) have been proposed, there remain significant challenges in developing QoE metrics for live video streaming. To bridge this gap, we conduct a comprehensive study of subjective and objective QoE evaluations for live video streaming. For the subjective QoE study, we introduce the first live video streaming QoE dataset, TaoLive QoE, which consists of $42$ source videos collected from real live broadcasts and $1,155$ corresponding distorted ones degraded due to a variety of streaming distortions, including conventional streaming distortions such as compression, stalling, as well as live streaming-specific distortions like frame skipping, variable frame rate, etc. Subsequently, a human study was conducted to derive subjective QoE scores of videos in the TaoLive QoE dataset. For the objective QoE study, we benchmark existing QoE models on the TaoLive QoE dataset as well as publicly available QoE datasets for VoD scenarios, highlighting that current models struggle to accurately assess video QoE, particularly for live content. Hence, we propose an end-to-end QoE evaluation model, Tao-QoE, which integrates multi-scale semantic features and optical flow-based motion features to predicting a retrospective QoE score, eliminating reliance on statistical quality of service (QoS) features.
- Abstract（参考訳）: 近年、ライブビデオストリーミングは様々なソーシャルメディアプラットフォームで広く普及している。
エンドユーザの満足度と全体的なエクスペリエンスを反映したQoE(Quality of Experience)は,メディアサービスプロバイダが大規模ライブ圧縮と送信戦略を最適化し,知覚的に最適なレート歪みトレードオフを実現する上で重要な役割を担っている。
ビデオオンデマンド(VoD)のための多くのQoEメトリクスが提案されているが、ライブビデオストリーミングのためのQoEメトリクスの開発には大きな課題がある。
このギャップを埋めるために、ライブビデオストリーミングのための主観的および客観的QoE評価を包括的に研究する。
主観的なQoE調査では,ライブストリーミングQoEデータセットであるTaoLive QoEを紹介した。実際のライブ放送から収集した42ドルのソースビデオと,圧縮やストール,さらにはフレームスキップや可変フレームレートなどのライブストリーミング特有の歪みなど,さまざまなストリーミング歪みによって劣化した155ドルの対応する歪みビデオで構成されている。
その後、人間による研究により、TaoLive QoEデータセットの主観的なQoEスコアを導出した。
目的的なQoE調査では、既存のQoEモデルを、TaoLive QoEデータセットと、VoDシナリオ用の公開可能なQoEデータセットでベンチマークし、現在のモデルでは、特にライブコンテンツにおいて、ビデオQoEの正確な評価に苦慮していることを強調した。
そこで本研究では,複数スケールのセマンティック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。
関連論文リスト
- A review on Machine Learning based User-Centric Multimedia Streaming Techniques [5.34064424681599]
ビデオのすべてのフォーマット(従来型と360$o$)は、動的無線チャネルをまたいで処理、圧縮、送信を行う。
これによりビデオの障害が発生し、品質が低下する。
効率的なマルチメディアストリーミング技術は、動的ネットワークとエンドユーザの課題に対処しながら、サービス品質を改善することができる。
論文 参考訳（メタデータ） (2024-11-24T12:07:47Z) - 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) - CLIPVQA:Video Quality Assessment via CLIP [56.94085651315878]
VQA問題(CLIPVQA)に対する効率的なCLIPベースのトランスフォーマー手法を提案する。
提案したCLIPVQAは、新しい最先端のVQAパフォーマンスを実現し、既存のベンチマークVQAメソッドよりも最大で37%の汎用性を実現している。
論文 参考訳（メタデータ） (2024-07-06T02:32:28Z) - StableVQA: A Deep No-Reference Quality Assessment Model for Video
Stability [56.462032266188785]
ビデオシェーキネス(英: video shakiness)は、ユーザー生成コンテンツ(UGC)ビデオの不愉快な歪みであり、通常は不安定なカメラホールドによって引き起こされる。
我々は1,952種類の動画を多種多様に整った新しいデータベースを構築し、34人の被験者によって評価されたビデオ安定性の度合いに基づいて、各ビデオに平均オピニオンスコア(MOS)がある。
我々は,光学的フロー,セマンティック,ブラーの3つの特徴抽出器と,最終的な安定性を予測するための回帰層からなる,新しいVQA-SモデルであるStableVQAを精巧に設計する。
論文 参考訳（メタデータ） (2023-08-09T12:04:36Z) - A Brief Survey on Adaptive Video Streaming Quality Assessment [30.253712568568876]
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。
論文 参考訳（メタデータ） (2022-02-25T21:38:14Z) - 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) - Unified Quality Assessment of In-the-Wild Videos with Mixed Datasets
Training [20.288424566444224]
我々は、コンピュータビジョンアプリケーションにおいて、Wildビデオの品質を自動評価することに注力する。
品質評価モデルの性能向上のために,人間の知覚から直観を借りる。
複数のデータセットで単一のVQAモデルをトレーニングするための混合データセットトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2020-11-09T09:22:57Z) - 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。