ACM MMSys 2024 实时通信带宽估计挑战赛
网络与互联网体系结构
2024-03-19 v2 多媒体
摘要
视频会议系统向最终用户提供的体验质量部分取决于能否随时间正确估计发送方与接收方之间瓶颈链路的容量。实时通信（RTC）的带宽估计仍然是一个重大挑战，这主要归因于不断演进的异构网络架构和技术。从 ACM MMSys 2021 举办的首届带宽估计挑战赛中我们了解到，在仿真中通过强化学习（RL）训练以最大化基于网络奖励函数的带宽估计模型，在现实中可能并非最优，这是由于仿真到现实的差距以及将基于网络的奖励与用户感知的 QoE 对齐的困难。本次大挑战赛旨在通过使用离线 RL 和一个真实世界数据集来推进带宽估计模型设计，该数据集的客观奖励与 Microsoft Teams 中的主观音视频质量具有高度相关性，从而使奖励最大化与用户感知的 QoE 优化相对齐。所有提交给大挑战赛的模型均在我们仿真平台上进行了初步评估。为了在具有时间波动的多种网络条件下进行全面评估，顶级模型进一步在我们地理分布的测试床上进行了评估，方法是在 12 天内使用每个模型进行 600 次通话。获胜模型显示出与已发布数据集中的顶级行为策略相当的性能。因此，通过利用真实世界数据并整合客观音视频质量分数作为奖励，离线 RL 能够促进开发用于 RTC 的具有竞争力的带宽估计器。
引用
@article{arxiv.2403.06324,
title = {ACM MMSys 2024 Bandwidth Estimation in Real Time Communications Challenge},
author = {Sami Khairy and Gabriel Mittag and Vishak Gopal and Francis Y. Yan and Zhixiong Niu and Ezra Ameri and Scott Inglis and Mehrsa Golestaneh and Ross Cutler},
journal= {arXiv preprint arXiv:2403.06324},
year = {2024}
}