Bamboo：通过在线分组联邦迁移学习提升实时视频流训练效率
多媒体
2023-08-22 v1
摘要
大多数基于学习的码率自适应算法局限于离线学习，不可避免地面临仿真到现实的鸿沟。在线学习能更好地适应动态实时通信场景，但仍面临训练收敛时间冗长的挑战。本文提出一种名为 Bamboo 的新颖在线分组联邦迁移学习框架，以加速训练效率。初步实验验证，在各种网络条件下，与其他强化学习算法相比，我们的方法在保障实时视频通信体验质量（QoE）的同时，将在线训练效率显著提升了高达 302%。
引用
@article{arxiv.2308.09948,
title = {Bamboo: Boosting Training Efficiency for Real-Time Video Streaming via Online Grouped Federated Transfer Learning},
author = {Qianyuan Zheng and Hao Chen and Zhan Ma},
journal= {arXiv preprint arXiv:2308.09948},
year = {2023}
}
备注
This paper will be presented at Apnet 2023