Online Bitrate Selection for Viewport Adaptive 360-Degree Video Streaming
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
360-degree video streaming provides users with immersive experience by letting users determine their field-of-views (FoVs) in real time. To efficiently utilize the limited bandwidth resources, recent works have proposed a viewport adaptive 360-degree video streaming model by exploiting the bitrate adaptation in spatial and temporal domains. In this paper, under this video streaming model, we propose an online bitrate selection algorithm to enhance the user’s quality of experience (QoE). This is achieved by characterizing the user’s personalized FoV and real-time downloading capacity in an online fashion. We address the unknown user-specific FoV by introducing the reference FoV and design an online bitrate selection algorithm to learn the difference between the user’s actual FoV and the reference FoV. We prove that as the number of video segments increases, the performance of the proposed online algorithm approaches the optimal performance asymptotically, with a bounded error. We perform trace-driven simulations with real-world datasets. Simulation results show that under the scenario where the available video bitrates are relatively high, our proposed algorithm can improve the user’s viewing quality level between <inline-formula><tex-math notation="LaTeX">$4.2\!-\!29.4$</tex-math></inline-formula> percent and reduce the average intra-segment quality switch by at least 12.4 percent when compared with several existing methods.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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