自适应视频流质量评估简要综述
多媒体
2022-03-01 v1 计算机视觉与模式识别
摘要
自适应视频流的体验质量（QoE）评估在先进网络管理系统中起着重要作用。在基于HTTP的动态自适应流媒体（DASH）方案中尤其具有挑战性，其具有日益复杂的特征，包括额外的播放问题。本文中，我们提供了自适应视频流质量评估的简要概述。在回顾相关工作后，我们分析并比较了使用或不使用机器学习技术的不同变体的客观QoE评估模型。通过性能分析，我们观察到混合模型优于服务质量（QoS）驱动的QoE方法和信号保真度测量。此外，在相同设置下，基于机器学习的模型略优于不使用机器学习的模型。另外，我们发现现有视频流QoE评估模型性能仍有限，难以应用于实际通信系统。因此，基于深度特征表示在传统视频质量预测中的成功，我们也应用现成的深度卷积神经网络（DCNN）来评估流媒体视频的感知质量，其中考虑了流媒体视频的时空特性。实验证明了其优越性，为未来专门设计的深度学习框架用于自适应视频流质量评估的发展提供了启示。我们相信本综述可作为自适应视频流QoE评估的指南。
引用
@article{arxiv.2202.12987,
title = {A Brief Survey on Adaptive Video Streaming Quality Assessment},
author = {Wei Zhou and Xiongkuo Min and Hong Li and Qiuping Jiang},
journal= {arXiv preprint arXiv:2202.12987},
year = {2022}
}