使用在线推理系统预测视频语料库的总压缩时间

预测视频语料库中片段压缩/转码的计算成本对于云服务和视频点播(VOD)提供商的资源管理至关重要。目前，云视频服务的客户在任务完成之前无法知晓其文件转码的成本。先前的工作集中于预测单个片段的压缩时间，从而估算视频压缩的成本。在本工作中，我们提出了新的机器学习(ML)系统，用于预测整个语料库的成本。这是一个更合适的目标，因为用户关心的不是单个片段的成本，而是整个语料库的成本。在本工作中，我们针对两种视频编解码器(x264, x265)和一个新颖的高质量视频语料库评估了我们的系统。我们发现，对视频语料库总时间预测的准确度比使用逐片段预测好两倍以上。此外，我们提出了一个在线推理框架，在该框架中，我们随着文件的处理更新ML模型。综合考虑视频计算开销，并为每个已处理语料库部分选择合适的ML预测器，预测误差低于5%。这比先前提出通用预测器的工作大约好两倍。