基于Kairos的视频流：面向流的MPC自适应比特率方案与流感知吞吐量预测
网络与互联网体系结构
2025-03-19 v1 多媒体
摘要
本文提出了Kairos，一种基于模型预测控制（MPC）的自适应比特率（ABR）方案，集成了面向流的吞吐量预测以提升视频流质量。Kairos具有基于注意力的吞吐量预测器和缓冲感知不确定性控制，提高了预测准确性和对网络条件的适应性。具体而言，我们引入了一种多时间注意力网络来处理流数据中的不规则采样序列，创建均匀间隔的潜在表示。此外，我们设计了一个独立的预测网络，在多个百分位上估计未来吞吐量，并包含一个缓冲感知不确定性调整模块。该模块根据缓冲大小动态选择合适的吞吐量百分位，增强了对不同网络条件的鲁棒性。最后，为缓解仅关注准确性的预测器引起的QoE平滑性惩罚，我们引入了一个平滑性正则化器。通过将面向流的特性（如采样不规则性、缓冲占用率和平滑性）嵌入吞吐量预测器设计中，Kairos显著提升了MPC框架内的比特率决策。广泛的基于轨迹和真实世界实验表明，Kairos超越了最先进的ABR方案，在各种网络条件下实现了平均1.52%至7.28%的QoE提升。
引用
@article{arxiv.2503.14271,
title = {Video Streaming with Kairos: An MPC-Based ABR with Streaming-Aware Throughput Prediction},
author = {Ziyu Zhong and Mufan Liu and Le Yang and Yifan Wang and Yiling Xu and Jenq-Neng Hwang},
journal= {arXiv preprint arXiv:2503.14271},
year = {2025}
}