SENSEI：使视频流质量与动态用户敏感度相对齐
网络与互联网体系结构
2020-08-12 v1 多媒体
摘要
本文旨在通过利用一个简单观察来改进视频流：用户对于视频中某些部分低质量的敏感度高于其他部分。例如，体育视频关键时刻（如进球前）的重新缓冲比正常比赛过程中的重新缓冲更令人厌烦。然而，这种动态质量敏感度很少被当前方法所捕捉，后者使用千篇一律的启发式方法预测 QoE（体验质量），这些方法过于简单，无法理解视频内容的细微差别。我们未提出另一种启发式方法，而是采取不同路径：对每个视频运行独立的众包实验，以推导用户在该视频不同部分的质量敏感度。当然，大规模执行此方法的成本可能高得令人望而却步，但我们表明，精心设计的实验结合一套剪枝技术可使该成本相较于内容提供商在内容生成与分发上的投入可忽略不计。我们准确刻画时变用户敏感度的能力启发了一种新方法：将更高（更低）质量动态对齐至更高（更低）敏感度时段。我们提出了一个名为 SENSEI 的新视频流系统，将动态质量敏感度纳入现有质量自适应算法。我们将 SENSEI 应用于两种最先进的自适应算法。SENSEI 可采取看似非常规的动作：例如，即便带宽充足也降低码率（或引发重新缓冲事件），以便其在不久的将来质量敏感度升高时维持更高码率而不重新缓冲。与最先进方法相比，SENSEI 将 QoE 提升 15.1%，或以平均少 26.8% 的带宽实现相同 QoE。
引用
@article{arxiv.2008.04687,
title = {SENSEI: Aligning Video Streaming Quality with Dynamic User Sensitivity},
author = {Xu Zhang and Yiyang Ou and Siddhartha Sen and Junchen Jiang},
journal= {arXiv preprint arXiv:2008.04687},
year = {2020}
}