面向无线网络中多用户 360 视频处理的多任务决策
网络与互联网体系结构
2024-07-08 v1 机器学习
多媒体
摘要
我们研究了面向无线多用户虚拟现实 (VR) 系统中 360 视频处理的多任务决策问题。该系统包含一个边缘计算单元 (ECU)，用于向 VR 用户递送 360 视频并提供视频帧解码/渲染的计算协助。然而，这会增加数据量和所需带宽。为平衡这一权衡，我们构建了一个受限的用户体验 (QoE) 最大化问题，约束条件为重缓冲时间和视频帧之间的质量变化受用户和视频要求的限制。为解决所构建的多用户 QoE 最大化问题，我们利用深度强化学习 (DRL) 进行多任务率适应和计算分配 (MTRC)。 proposed MTRC 方法不依赖于环境的任何预定义假设，仅依赖于视频播放统计信息（如过往吞吐量、解码时间、传输时间等）、视频信息以及所产生的性能来调整视频比特率和计算分配。我们使用真实无线网络轨迹和 360 视频数据集训练 MTRC，以获得以平均 QoE、峰值信噪比 (PSNR)、重缓冲时间和质量变化为评估指标的结果。我们的结果表明，MTRC 在用户 QoE 上优于基于状态的率适应算法。具体而言，我们显示在 PSNR 上提高 5.97 dB 至 6.44 dB，在重缓冲时间上提高 1.66 倍至 4.23 倍，在质量变化上提高 4.21 dB 至 4.35 dB。
引用
@article{arxiv.2407.03426,
title = {Multi-Task Decision-Making for Multi-User 360 Video Processing over Wireless Networks},
author = {Babak Badnava and Jacob Chakareski and Morteza Hashemi},
journal= {arXiv preprint arXiv:2407.03426},
year = {2024}
}
备注
2024 IEEE International Conference on Multimedia Information Processing and Retrieval (MIPR)