MétaCan
Menu
Retour à la cohorte
Enregistrement W2111141256 · doi:10.1109/76.920187

A rate-control scheme for video transport over wireless channels

2001· article· en· W2111141256 sur OpenAlexfundno aff
Supavadee Aramvith, I-Ming Pao, M.-T. Sun

Notice bibliographique

RevueIEEE Transactions on Circuits and Systems for Video Technology · 2001
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Coding and Compression Technologies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of British ColumbiaUniversity of Washington
Mots-clésComputer scienceRetransmissionVideo qualityReal-time computingChannel (broadcasting)Network packetFrame (networking)Automatic repeat requestDiscrete cosine transformRayleigh fadingWirelessComputer networkEncoderThroughputFadingComputer visionTelecommunications

Résumé

récupéré en direct d'OpenAlex

We investigate the scenario of using the automatic repeat request (ARQ) retransmission scheme for two-way video communications over wireless Rayleigh fading channels. Video quality is the major concern of these applications. We show that, during the retransmissions of error packets, due to the reduced channel throughput, the video encoder buffer may fill-up quickly and cause the TMN8 rate-control algorithm to significantly reduce the bits allocated to each video frame. This results in PSNR degradation and many skipped frames. To minimize the number of frames skipped, we propose improved rate-control schemes that take into consideration the effects of the video buffer fill-up, an a priori channel model, and the channel feedback information. We also show that a discrete cosine transform (DCT) coefficient soft-thresholding scheme can be applied to further improve video quality. As a result, our proposed rate-control schemes encode the video sequences with less frame skipping and with higher PSNR compared to TMN8.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,253
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Circuits and Systems for Video TechnologyMême sujetVideo Coding and Compression TechnologiesTravaux en français237 207