論文の概要: ASL360: AI-Enabled Adaptive Streaming of Layered 360° Video over UAV-assisted Wireless Networks

• arxiv url: http://arxiv.org/abs/2509.10544v1
• Date: Sun, 07 Sep 2025 01:22:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.652215
• Title: ASL360: AI-Enabled Adaptive Streaming of Layered 360° Video over UAV-assisted Wireless Networks
• Title（参考訳）: ASL360:UAV支援無線ネットワーク上での層状360度映像のAI対応ストリーミング
• Authors: Alireza Mohammadhosseini, Jacob Chakareski, Nicholas Mastronarde,
• Abstract要約: 次世代無線ネットワークにおけるモバイルVRユーザへのオンデマンド360degビデオストリーミングのための適応型強化学習ベースのスケジューラであるASL360を提案する。 スケジューリング決定をCMDP(Constrained Markov Decision Process)としてモデル化し、エージェントがベース層または拡張層を選択してQoE(Quality of Experience)を最大化する。 ASL360はQoEを大幅に改善し,平均ビデオ品質が約2dB,平均リバッファ時間が80%,ビデオ品質が57%向上した。
• 参考スコア（独自算出の注目度）: 5.636005467840902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose ASL360, an adaptive deep reinforcement learning-based scheduler for on-demand 360{\deg} video streaming to mobile VR users in next generation wireless networks. We aim to maximize the overall Quality of Experience (QoE) of the users served over a UAV-assisted 5G wireless network. Our system model comprises a macro base station (MBS) and a UAV-mounted base station which both deploy mm-Wave transmission to the users. The 360{\deg} video is encoded into dependent layers and segmented tiles, allowing a user to schedule downloads of each layer's segments. Furthermore, each user utilizes multiple buffers to store the corresponding video layer's segments. We model the scheduling decision as a Constrained Markov Decision Process (CMDP), where the agent selects Base or Enhancement layers to maximize the QoE and use a policy gradient-based method (PPO) to find the optimal policy. Additionally, we implement a dynamic adjustment mechanism for cost components, allowing the system to adaptively balance and prioritize the video quality, buffer occupancy, and quality change based on real-time network and streaming session conditions. We demonstrate that ASL360 significantly improves the QoE, achieving approximately 2 dB higher average video quality, 80% lower average rebuffering time, and 57% lower video quality variation, relative to competitive baseline methods. Our results show the effectiveness of our layered and adaptive approach in enhancing the QoE in immersive videostreaming applications, particularly in dynamic and challenging network environments.
• Abstract（参考訳）: 次世代無線ネットワークにおけるモバイルVRユーザへのオンデマンド360{\deg}ビデオストリーミングのための適応型強化学習ベースのスケジューラであるASL360を提案する。 我々は,UAV支援の5G無線ネットワーク上で提供されるユーザのQoE(Quality of Experience)を最大化することを目的としている。 システムモデルは,ミリ波送信をユーザに提供するマクロベースステーション(MBS)とUAV搭載ベースステーションから構成される。 360{\deg}のビデオは依存するレイヤとセグメント化されたタイルにエンコードされ、ユーザーは各レイヤのセグメントのダウンロードをスケジュールすることができる。 さらに、各ユーザは複数のバッファを使用して対応するビデオ層のセグメントを格納する。 スケジューリング決定をCMDP(Constrained Markov Decision Process)としてモデル化し、エージェントがベース層または拡張層を選択してQoEを最大化し、ポリシー勾配に基づく手法(PPO)を用いて最適なポリシーを求める。 さらに、コストコンポーネントの動的調整機構を実装し、リアルタイムネットワークおよびストリーミングセッション条件に基づいて、映像品質、バッファ占有率、品質変化を適応的にバランスと優先順位付けを行う。 ASL360はQoEを大幅に改善し,平均ビデオ品質が約2dB,平均リバッファ時間が80%,ビデオ品質が57%向上した。 この結果から, 没入型ビデオストリーミングアプリケーション, 特に動的, 挑戦的なネットワーク環境におけるQoE向上に対する階層化および適応的アプローチの有効性が示唆された。

関連論文リスト

• Plug-and-Play Versatile Compressed Video Enhancement [57.62582951699999]
  ビデオ圧縮はファイルのサイズを効果的に削減し、リアルタイムのクラウドコンピューティングを可能にする。 しかし、それは視覚的品質の犠牲となり、下流の視覚モデルの堅牢性に挑戦する。 本稿では,異なる圧縮条件下で動画を適応的に拡張する多言語対応拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:39:31Z)
• Multi-Task Decision-Making for Multi-User 360 Video Processing over Wireless Networks [9.642593500545997]
  無線マルチユーザーバーチャルリアリティ(VR)システムにおいて,360度ビデオ処理におけるマルチタスク決定問題について検討する。 これはデータボリュームと帯域幅の増大を犠牲にしている。 本稿では,ビデオフレーム間の再バッファリング時間と品質変化がユーザおよびビデオ要求に依存する,制約付きクオリティ・オブ・エクスペリエンス(QoE)問題を提案する。
  論文  参考訳（メタデータ） (2024-07-03T18:09:25Z)
• Distortion-Aware Loop Filtering of Intra 360^o Video Coding with Equirectangular Projection [81.63407194858854]
  等角射影(ERP)フォーマットで投影された360$o$ビデオの符号化性能を向上させるため,歪みを考慮したループフィルタリングモデルを提案する。 提案モジュールは、符号化ユニット(CU)パーティションマスクに基づいてコンテンツ特性を分析し、部分的畳み込みによって処理し、指定された領域を活性化する。
  論文  参考訳（メタデータ） (2022-02-20T12:00:18Z)
• Blind VQA on 360{\deg} Video via Progressively Learning from Pixels, Frames and Video [66.57045901742922]
  360度ビデオにおけるブラインド視覚品質評価(BVQA)は,没入型マルチメディアシステムの最適化において重要な役割を担っている。 本稿では,球面映像品質に対する人間の知覚の進歩的パラダイムを考察する。 画素,フレーム,ビデオから段階的に学習することで,360度ビデオのための新しいBVQA手法(ProVQA)を提案する。
  論文  参考訳（メタデータ） (2021-11-18T03:45:13Z)
• Cross Layer Optimization and Distributed Reinforcement Learning for Wireless 360° Video Streaming [54.60967639512643]
  本稿では,各ユーザに対して利用可能なレートを最大化し,ユーザのQoEを最大化するために効率的に利用するクロスレイヤ最適化手法を提案する。 この問題を2つの相互関連サブプロブレムに分解できることを示す。 複数の独立エージェントの並列学習を活用し,アプリケーション層サブプロブレムを解くために,アクタ・クリティカル・ディープ・強化学習(DRL)を提案する。
  論文  参考訳（メタデータ） (2020-11-12T12:59:10Z)
• Real-world Video Adaptation with Reinforcement Learning [38.26695924173461]
  クライアント側ビデオプレーヤーは、ユーザ品質のエクスペリエンス(QoE)を最適化するためにアダプティブ(ABR)アルゴリズムを使用する 我々は、Facebookのウェブベースの動画ストリーミングプラットフォームにおいて、最近提案されたRLベースのABR手法を評価した。 3000万以上のビデオストリーミングセッションを持つ1週間の全世界展開において、我々のRLアプローチは、既存の人間工学的ABRアルゴリズムよりも優れています。
  論文  参考訳（メタデータ） (2020-08-28T21:44:24Z)

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。