基于深度学习的无线网络直播实时码率控制
网络与互联网体系结构
2023-10-12 v1 信息论
机器学习
系统与控制
信号处理
系统与控制
math.IT
摘要
为无线用户提供高质量视频内容已变得愈发重要。然而，由于动态视频内容导致的可变编码码率，以及无线衰落效应引起的波动信道码率，确保一致的视频质量面临挑战。编码器参数的次优选择会因带宽利用不足导致视频质量损失，或因丢包引入视频伪影。为此，提出了一种基于实时深度学习的 H.264 控制器。该控制器利用从物理层驱动的瞬时信道质量数据以及视频块，以可忽略的实时延迟动态估计最优编码器参数。目标是将编码视频码率维持在可用信道码率略之下。在 QCIF 数据集和公共数据集多样化随机视频上的实验结果验证了该方法的有效性。值得注意的是，相较于最先进的自适应码率视频流，取得了 10-20 dB 的 PSNR 提升，平均丢包率低至 0.002。
引用
@article{arxiv.2310.06857,
title = {Deep Learning-Based Real-Time Rate Control for Live Streaming on Wireless Networks},
author = {Matin Mortaheb and Mohammad A. Amir Khojastepour and Srimat T. Chakradhar and Sennur Ulukus},
journal= {arXiv preprint arXiv:2310.06857},
year = {2023}
}