面向无线 360° 视频流的交叉层优化与分布式强化学习
机器学习
2024-09-25 v3 图像与视频处理
摘要
无线传输高质量 360 度视频仍是一项具有挑战性的问题。当许多用户观看不同的 360 度视频并竞争计算与通信资源时,现有的流媒体算法应在保证每用户最低速率的同时,最大化平均体验质量(QoE)。本文提出一种交叉层优化方法,最大化每用户的可用速率并高效利用该速率以最大化用户 QoE。特别地,我们考虑基于分块(tile)的 360 度视频流,并优化一种平衡每用户 QoE 最大化与用户间公平性权衡的 QoE 度量。我们证明该问题可解耦为两个相互关联的子问题:(i) 物理层子问题,目标是求每用户的下载速率;(ii) 应用层子问题,目标是利用该速率求每分块的质量决策以最大化用户 QoE。我们证明物理层子问题可以低复杂度最优求解,并提出了一种 actor-critic 深度强化学习(DRL)以利用多个独立智能体的并行训练来求解应用层子问题。大量实验揭示了我们方案的鲁棒性,并证明其相较若干基线算法的显著性能提升。
引用
@article{arxiv.2011.06356,
title = {Cross Layer Optimization and Distributed Reinforcement Learning for Wireless 360{\deg} Video Streaming},
author = {Anis Elgabli and Mohammed S. Elbamby and Cristina Perfecto and Mounssif Krouka and Mehdi Bennis and Vaneet Aggarwal},
journal= {arXiv preprint arXiv:2011.06356},
year = {2024}
}