自适应码率视频流体验质量评估

视频传输链路的多样性对自适应码率（ABR）流媒体算法和客观体验质量（QoE）模型的评估提出了巨大挑战。本文介绍了迄今为止同类中规模最大的主观评分数据库，即WaterlooSQoE-IV，其由来自不同源内容、视频编码器、网络轨迹、ABR算法和观看设备的1350个自适应流媒体视频组成。我们通过一系列精心设计的主观实验收集了每个视频的人类意见。随后利用该数据库对ABR算法和QoE模型进行数据分析与测试/比较，得到了一系列关于主观实验方法有效性、用户体验与源内容/观看设备/编码器类型之间的交互、用户体验偏差与偏好的异质性、ABR算法行为以及客观QoE模型性能的新观察和有趣发现。最重要的是，我们的结果表明，更好的客观QoE模型或更佳的人类感知体验与行为理解，是提升ABR算法性能的最主导因素，而非过去十年ABR研究大多聚焦的先进优化框架、机器学习策略或带宽预测器。另一方面，我们对11个QoE模型的性能评估显示，最先进的QoE模型与主观评分之间仅存在中等相关性，意味着QoE建模与ABR算法均有改进空间。该数据库已公开于：\url{https://ece.uwaterloo.ca/~zduanmu/waterloosqoe4/}。