MétaCan
Menu
← Retour à la cohorte
Enregistrement W7084047652 · doi:10.1109/bmsb65076.2025.11165541

Contribution Link Delivery with STLTP in Challenging Network Conditions

2025· article· en· W7084047652 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueReproductive tract infections research
Établissements canadiensHumber Polytechnic
Organismes subventionnairesnon disponible
Mots-clésNetwork packetPacket lossRobustness (evolution)JitterVideo qualityLossy compressionDigital televisionTransmission (telecommunications)End-to-end delay

Résumé

récupéré en direct d'OpenAlex

Since the introduction of the first Digital TV (DTV) systems, the issue of video data transport degradation has been of paramount importance. The literature presents various methods and experiments for evaluating video quality at the receiving end, using either subjective or objective metrics. Most studies have focused on the MPEG2 Transport Stream (TS, as it is used by the majority of current DTV standards. However, ATSC 3.0 introduced the new STLTP protocol, which is entirely IP-based for transporting data between studios and transmitters. Despite this, there has bee limited research into the evaluation STLTP under packet loss conditions and its impact on objective video quality at the receiver. This work takes the first steps towards assessing the performance limits of STLTP by introducing distortions, such as packet loss, within an ATSC 3.0 chain in a controlled environment. Statistics on Packet Error Rates (PER) and recovery levels are collected, and metrics such as PSNR and SSIM are used to assess the robustness of STLTP to lossy network conditions. The results show that while STLTP’s recovery performance is near perfect with 1.5% packet loss, whereas the error-free transmission is obtained only achieved up to the 1.0% packet loss.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,010
Tête enseignante GPT0,284
Écart entre enseignants0,274 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReproductive tract infections research→Travaux en français237 207→