面向自适应视频流的个性化体验质量增强：一种数字孪生辅助方案
图像与视频处理
2022-05-10 v1
摘要
在本文中，我们提出一种数字孪生（DT）辅助的自适应视频流方案，以增强个性化体验质量（PQoE）。由于 PQoE 模型是用户特定且时变的，基于通用且时不变 PQoE 模型的现有方案可能出现性能下降。为解决此问题，我们首先提出一种 DT 辅助的 PQoE 模型构建方法，以获得准确的用户特定 PQoE 模型。具体而言，分别为各用户构建用户数字孪生（UDT），其可获取并利用用户数据实时精确调优 PQoE 模型参数。接着，给定所得 PQoE 模型，我们考虑资源管理问题，在兼顾用户位置、视频内容请求与缓冲状态的动态变化下最大化整体长期 PQoE。为求解该问题，我们开发了一种深度强化学习算法，以联合确定片段版本选择以及通信与计算资源分配。基于真实数据集的仿真结果表明，相较于基准方案，所提方案能有效提升 PQoE。
引用
@article{arxiv.2205.04014,
title = {Personalized QoE Enhancement for Adaptive Video Streaming: A Digital Twin-Assisted Scheme},
author = {Xinyu Huang and Conghao Zhou and Wen Wu and Mushu Li and Huaqing Wu and Xuemin and Shen},
journal= {arXiv preprint arXiv:2205.04014},
year = {2022}
}
备注
Submitted to IEEE Globecom 2022