基于生成式AI的ORAN设置中低延迟视频流的实验研究
网络与互联网体系结构
2026-01-15 v4 信号处理
摘要
当前的自适应比特率（ABR）方法在网络拥塞发生后做出反应，导致应用层缓冲和实时视频流中的延迟峰值。我们引入了一种主动语义控制通道，使开放无线接入网络（ORAN）xApp、移动边缘计算（MEC）和用户设备（UE）组件之间能够协调，实现移动设备之间的无缝实时视频流。当发送UE经历较差的上行链路（UL）条件时，MEC基于低层RAN指标（包括每毫秒更新的信道SNR）主动指示降尺度，在缓冲发生之前防止缓冲。MEC处的生成式AI（GAI）模块在通过通常更稳健的下行链路（DL）转发到接收UE之前，从降尺度视频重建高质量帧。在具有50个视频流的实时ORAN测试台上的实验验证表明，与反应式ABR方法相比，我们的方法减少了延迟尾部行为，同时实现了高达4 dB的PSNR改进和15点的VMAF改进。主动控制消除了超过600毫秒的延迟峰值，展示了针对延迟关键的实时视频流的有效跨层协调。
引用
@article{arxiv.2412.12751,
title = {Experimental Study of Low-Latency Video Streaming in an ORAN Setup with Generative AI},
author = {Andreas Casparsen and Van-Phuc Bui and Shashi Raj Pandey and Jimmy Jessen Nielsen and Petar Popovski},
journal= {arXiv preprint arXiv:2412.12751},
year = {2026}
}