一种用于HTTP自适应流媒体的实时盲体验质量评估指标
图像与视频处理
2023-03-20 v1 多媒体
摘要
在当今互联网中，HTTP自适应流媒体（HAS）是视频流媒体的主流标准，其基于自适应码率（ABR）算法切换视频内容的码率。有效的体验质量（QoE）评估指标可为ABR算法提供关键反馈。然而，在客户端预测此类实时QoE具有挑战性。QoE预测需要与人眼视觉系统（HVS）高度一致、低延迟且盲评估，这难以同时实现。为应对该挑战，我们分析了HAS系统的多种特性，并提出一种非均匀采样指标以降低时间复杂度。此外，我们设计了一种有效的QoE指标，其将分辨率与重缓冲时间作为服务质量（QoS）以及深度神经网络的时空输出与特定切换事件作为内容信息进行整合。这些奖励与惩罚特征通过支持向量回归（SVR）模型回归为质量分数。实验结果表明，我们的指标准确率优于主流盲QoE指标0.3，且计算时间仅为视频播放的60%，表明所提指标能够为ABR算法提供实时指导并提升HAS整体性能。
引用
@article{arxiv.2303.09818,
title = {A real-time blind quality-of-experience assessment metric for HTTP adaptive streaming},
author = {Chunyi Li and May Lim and Abdelhak Bentaleb and Roger Zimmermann},
journal= {arXiv preprint arXiv:2303.09818},
year = {2023}
}
备注
6 pages,4 figures