CN114095756B - 基于长期视野预测的自适应全景视频流传输***及其方法 - Google Patents

基于长期视野预测的自适应全景视频流传输***及其方法 Download PDF

Info

Publication number
CN114095756B
CN114095756B CN202111361167.7A CN202111361167A CN114095756B CN 114095756 B CN114095756 B CN 114095756B CN 202111361167 A CN202111361167 A CN 202111361167A CN 114095756 B CN114095756 B CN 114095756B
Authority
CN
China
Prior art keywords
video
bit rate
user
processing module
qoe
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111361167.7A
Other languages
English (en)
Other versions
CN114095756A (zh
Inventor
李克秋
周晓波
邱铁
高晓松
曾嘉欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202111361167.7A priority Critical patent/CN114095756B/zh
Publication of CN114095756A publication Critical patent/CN114095756A/zh
Application granted granted Critical
Publication of CN114095756B publication Critical patent/CN114095756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
    • H04N21/23805—Controlling the feeding rate to the network, e.g. by controlling the video pump
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2402—Monitoring of the downstream path of the transmission network, e.g. bandwidth available

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种基于长期视野预测的自适应全景视频流传输***，所述***包含一个视频服务端和一个视频用户端，所述视频服务端与所述视频用户端之间通过动态变化的无线网络传输视频内容；所述视频服务端包括视频编码模块、第一视野预测处理模块、第一缓存区和请求处理模块；所述视频客户端包括视频解码模块、第二视野预测处理模块、第二缓冲区、视频追踪反馈模块和视频比特率分配处理模块；所述视频客户端分别通过第二视野预测处理模块和视频比特率分配处理模块对用户长期视野预测和视频块比特率分配来实现最大化用户体验质量；本发明能够根据波动的网络环境自适应地调节视频的比特率，从而提高全景视频用户的体验质量。

Description

基于长期视野预测的自适应全景视频流传输***及其方法
技术领域
本发明主要涉及流媒体技术领域，具体涉及基于长期视野预测的自适应全景视频流传输***及其方法。
背景技术
全景视频因其作为虚拟现实的基础性技术之一而受到关注，它能够为用户带来沉浸式观看体验。然而，实现沉浸式的全景视频观看体验需要高分辨率(如4K×2K)和超低时延(低于20ms)需求，其所需的网络传输速率将迅速上升至Gb/s量级，这无疑会给如今的无线网络带来巨大的压力。据数据统计分析，目前的无线网络环境还无法实现全景视频的流畅传输和播放，会大大降低用户的观看体验。经查阅资料发现，观看全景视频的用户某一时刻只观看视野(Viewport)区域内的视频内容，视野外的区域对用户是不可见的，因此传输完整的全景视频内容将造成严重的带宽资源浪费。
从现有资料可知：全景视频数据量约为普通视频的3-4倍。面对全景视频数据量大的特点，目前学界已经提出了基于分块(tile)的视频编码和传输方案来取代全景视频整体传输的方案，从而在保证用户的观看体验的同时减少带宽资源的浪费。具体做法是：首先将三维的全景视频投影到二维平面上；然后将二维的画面划分成多个视频块，其中每个视频块都可以独立地进行编码和传输；最后将视频块在用户端进行拼接还原，并通过投影逆映射恢复为全景视频。
从相关的全景视频传输工作可知：有限带宽条件下，为了提高视频用户的体验质量，通常采用用户视野预测策略自适应地传输视频内容。其原理是：首先预测用户观看视频的未来视野，再决定不同视频块的比特率(即为用户视野内的视频块分配高比特率，其他区域分配低比特率)。用户端根据预测的视野提前请求视频的内容并保存在播放器缓冲区中，从而保障视频的流畅播放。然而预测的视野与真实的视野之间会存在偏差，且偏差会随着预测窗口长度的增加不断上升。考虑到视野预测准确性，用户端通常只能提前缓存较少的视频内容，如1～2秒。在网络条件较差时，播放器将会快速播放完缓冲区中的内容，从而造成视频卡顿，影响用户体验；若用户倾向于缓存更久的视频片段，缓存内容与用户视野之间可能会存在较大偏差，也会影响用户体验。
现有的全景视频传输方案无法得到准确的长期视野预测结果，从而限制了用户端的缓存内容时长。另外，除了视野预测，视频流传输还需要根据网络带宽、用户缓冲区等一系列变化的动态因素，自适应地调整视频块的比特率等级，来提高用户体验质量，即预取决策同时受到视野预测结果和带宽波动的影响。
发明内容
本发明的目的在于克服现有技术方案的不足，本研究基于长期视野预测的自适应全景视频流传输***，该***包含一个视频服务器端和一个视频用户端，服务器与用户间通过动态变化的无线网络传输视频内容。其中，该***在用户端进行用户长期视野预测和视频块比特率分配决策，以实现最大化用户体验质量。
本发明采用如下技术方案实施：
基于长期视野预测的自适应全景视频流传输***，所述***包含一个视频服务端和一个视频用户端；所述视频服务端与所述视频用户端之间通过动态变化的无线网络传输视频内容；所述视频服务端包括视频编码模块、第一视野预测处理模块、第一缓存区和请求处理模块；所述视频客户端包括视频解码模块、第二视野预测处理模块、第二缓冲区、视频追踪反馈模块和视频比特率分配处理模块；其中：所述视频客户端分别通过第二视野预测处理模块和视频比特率分配处理模块对用户长期视野预测和视频块比特率分配来实现最大化用户体验质量；包括如下步骤：所述视频比特率分配处理模块每一个视频块选择特定的比特率并以一个视频片段为单位向视频服务端发送请求，，通过如下公式生成最大化用户体验质量：
Q＝α1*QoE1-α2*QoE2-α3*QoE3-α4*QoE4
其中，(α1，α2，α3，α4)为非负的权重参数；QoE1为视野内视频块的平均比特率质量；QoE2为下载该视频段期间的视频暂停缓冲时长；QoE3为相邻视频块间比特率的空间差异；QoE4为相邻视频段比特率的时间差异。
本发明还可以通过如下方法予以实施：
所述视频服务端离线处理全景视频文件步骤：
所述视频编码模块将投影获得二维视频分割成等时长的视频段并裁剪为独立的视频块；所述视频编码模块对视频块是进行比特率编码转换为多种比特率的视频文件并存入第一缓存区；
所述第一视野预测处理模块采集历史用户的视野移动轨迹生成热力图文件并存入第一缓存区；
请求处理模块接收用户端视频请求将第一缓冲区内视频文件作为响应；
所述视频用户端按照时间顺序以一个视频段为单位预取所有的视频块，在每一次向视频服务器端请求视频时进行如下步骤：
所述第二视野预测处理模块预测即将请求的视频片段的用户视野；
所述视频比特率分配处理模块为每一个视频块选择特定的比特率并以一个视频片段为单位向服务器发送请求，最大化如下公式(1)的用户体验质量：
Q＝α1*QoE1-α2*QoE2-α3*QoE3-α4*QoE4 (1)
其中，(α1，α2，α3，α4)为非负的权重参数；QoE1为视野内视频块的平均比特率质量；QoE2为下载该视频段期间的视频暂停缓冲时长；QoE3为相邻视频块间比特率的空间差异；QoE4为相邻视频段比特率的时间差异；
所述第二缓冲区存入根据服务器端发送包含视频段序号和对应每个视频块比特率等级的请求集合的视频描述文件；
所述视频追踪反馈模块实时记录用户的视野移动轨迹并计算用户QoE；
所述视频解码模块将所有视频块拼接为完整视频，并在显示器中投影成全景视频供用户观看。
进一步，所述第二视野预测处理模块根据所述请求处理模块响应的视频描述文件中提供的热力图数据信息以及视频追踪反馈模块记录的视野移动轨迹按照如下公式预测未来若干个视频段中的用户视野：
Pc+1，…，Pc+n＝LSTM([Vc-m，…，Vc]，[Hc+1，…，Hc+n])
其中c表示当前视频段的序号，Vc表示该时刻的用户视野，Hc表示该视频段的热力图数据信息，m，n分别表示时间窗口的长度；预测结果Pc+1表示了用户视野中心点位于每个视频块中的概率分布。
进一步，所述视频比特率分配处理模块将用户体验质量为每一个视频块分配比特率按照如下公式获取用户体验质量指标：
其中，0-1向量表示当前用户的视野，向量/>表示为每个视频块分配的比特率，用户体验指标QoE2以真实测量得到的视频暂停时长(以秒为单位)来表示。
进一步，所述视频比特率分配处理模块为每一个视频块分配比特率分配按照相同区域中的所有视频块分配一个相等的比特率，且满足如下条件：视野区域比特率≥边缘区域比特率≥外部区域比特率。
有益效果
1.本发明设计了一个从服务端到用户端的全景视频传输***，其能够根据波动的网络环境自适应地调节视频的比特率，从而提高全景视频用户的体验质量。
2.本发明设计了一种新颖的视野预测方法以及带宽自适应的比特率分配方法。按照预测视野将视频块分配为不同区域(重要程度)并自适应选择合适的比特率，从而获得更佳的用户体验质量。
附图说明
图1全景视频流***图。
图2视频预处理：投影、分块、编码。
图3视频块区域划分。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图与实例对本发明做详细的论述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
如图1所示，本发明提供一种基于长期视野预测的自适应全景视频流传输***，所述***包含一个视频服务端和一个视频用户端，服务器与用户间通过动态变化的无线网络传输视频内容；其中：
所述视频服务端100包括视频编码模块101、第一视野预测处理模块102、第一缓存区103和请求处理模块104；具体步骤如下：
所述视频服务端100离线处理全景视频文件，其中：所述视频编码模块101将投影获得二维视频分割成等时长的视频段并裁剪为独立的视频块；所述视频编码模块101对视频块是进行比特率编码转换为多种比特率的视频文件并存入第一缓存区103；
所述第一视野预测处理模块102采集历史用户的视野移动轨迹生成含有热力图的视频文件并存入第一缓存区103；
所述请求处理模块104接收用户端视频请求将第一缓冲区内视频文件作为响应；
所述视频客户端200包括视频解码模块201、第二视野预测处理模块202、第二缓冲区203、视频追踪反馈模块204和视频比特率分配处理模块205；所述视频客户端200分别通过第二视野预测处理模块202和视频比特率分配处理模块205对用户长期视野预测和视频块比特率分配，来实现最大化用户体验质量；
所述视频用户端按照时间顺序以一个视频段为单位预取所有的视频块，在每一次向视频服务器端请求视频时进行如下操作：
所述第二视野预测处理模块202预测即将请求的视频片段的用户视野；
所述视频比特率分配处理模块205为每一个视频块选择特定的比特率以一个视频片段为单位向服务器发送请求，最大化如下公式(1)的用户体验质量：
Q＝α1*QoE1-α2*QoE2-α3*QoE3-α4*QoE4 (1)
其中，(α1，α2，α3，α4)为非负的权重参数；QoE1为视野内视频块的平均比特率质量；QoE2为下载该视频段期间的视频暂停缓冲时长；QoE3为相邻视频块间比特率的空间差异；QoE4为相邻视频段比特率的时间差异；
所述第二缓冲区203存入服务器端发送的视频文件；
所述视频追踪反馈模块204实时记录用户的视野移动轨迹并计算用户QoE；
所述视频解码模块201将所有视频块拼接为完整视频，并在显示器中投影成全景视频供用户观看。
本发明实施例：
步骤1：视频离线预处理
所述视频服务端采用ERP投影方法将全景视频投影为平面视频，其中所述视频编码模块将视频分割成等时长的视频片段；并将每个视频片段分为若干大小相等的视频块，其中每个视频块编码成多种不同的比特率版本。视频处理的过程如图2所示；
另外，所述第一视野预测处理模块记录用户的历史视野移动轨迹，并利用其生成热力图用于后期的视野预测。其中，热力图表示为同一视频片段中每个视频块被用户观看的概率，计算方式如下，
其中，c为视频段的编号，i为视频块的编号，向量表示用户u在视频片段c内的视野。
步骤2：用户请求视频内容
在实际请求视频数据之前，视频用户端向视频服务端发出请求全景视频；所述请求处理模块响应发出对应的视频描述文件，所述视频描述文件含有已生成的视频热力图文件、训练好的视野预测数据和比特率分配数据；
视频用户端按照视频段的顺序，每次请求一个视频段中所有的视频块，根据用户视野、带宽波动等因素，为视频块分配不同的比特率，这部分主要由第二视野预测模块和视频比特率分配处理模块完成。每次视频请求中：
1)视频用户端的第二视野预测处理模块采用编码器-解码器结构的长短期记忆(LSTM)，根据最新采集到的视野移动轨迹以及视频的热力图信息，预测未来若干个视频段中的用户视野：
Pc+1，…，Pc+n＝LSTM([Vc-m，…，Vc]，[Hc+1，…，Hc+n]) (3)
其中c表示当前视频段的序号，Vc表示该时刻的用户视野，Hc表示该视频段的热力图数据信息，m，n分别表示时间窗口的长度。其中：用于视野预测的LSTM模型在服务器端预先训练好，并发送给用户端。
2)在上一步的预测中，预测结果Pc+1表示了用户视野中心点位于每个视频块中的概率分布。选择概率最大的视频块作为视野中心，根据视野中心点，可以根据投影关系计算出用户视野区域，并把所有的视频块分为三个区域：视野区、边缘区、外部区，划分方式如图3所示。位于用户视野内的视频块为视野区，与视野区相邻的视频块为边缘区，其余视频块为外部区。
3)获得了用户视野之后，所述视频比特率分配处理模块通过最大化公式(1)所示的用户体验质量为每一个视频块分配比特率；具体的用户体验质量指标的计算方式如下：
其中，0-1向量表示当前用户的视野，向量/>表示为每个视频块分配的比特率。另外，用户体验指标QoE2以真实测量得到的视频暂停时长(以秒为单位)来表示。
具体的比特率分配方法为：使用强化学习算法Soft Actor-Critic来分配比特率，为相同区域中的所有视频块分配一个相等的比特率，且满足如下条件：视野区域比特率≥边缘区域比特率≥外部区域比特率。为节约带宽，外部区域固定为最低的比特率，以将带宽优先用于传送视野内的视频块。所述视频流分配模块生成视野区域及边缘区域的比特率等级决策。
4)在下载过程中，用户端利用设备自身传感器记录用户头部的移动轨迹以进行视野预测，同时还会记录网络带宽情况和下载时长等信息。
步骤3：视频播放
用户端将下载的视频段数据首先放在播放器缓冲区。当播放到该片段时，会取出所有的视频块来拼接成完整的全景视频画面，经过投影最终呈现给用户。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (5)

1.一种基于长期视野预测的自适应全景视频流传输***，所述***包含一个视频服务端和一个视频用户端，所述视频服务端与所述视频用户端之间通过动态变化的无线网络传输视频内容；其特征在于：
所述视频服务端包括视频编码模块、第一视野预测处理模块、第一缓存区和请求处理模块；所述视频用户端包括视频解码模块、第二视野预测处理模块、第二缓冲区、视频追踪反馈模块和视频比特率分配处理模块；其中：所述视频用户端分别通过第二视野预测处理模块和视频比特率分配处理模块对用户长期视野预测和视频块比特率分配来实现最大化用户体验质量；包括如下步骤：所述视频比特率分配处理模块为每一个视频块选择特定的比特率，并以一个视频片段为单位向视频服务端发送请求，最大化如下公式的用户体验质量：
Q＝α1*QoE1-α2*QoE2-α3*QoE3-α4*QoE4
其中，α1，α2，α3，α4为非负的权重参数；QoE1为视野内视频块的平均比特率质量；QoE2为下载该视频段期间的视频暂停缓冲时长；QoE3为相邻视频块间比特率的空间差异；QoE4为相邻视频段比特率的时间差异。
2.一种采用权利要求1所述自适应全景视频流传输***进行长期视野预测的方法，其特征在于，所述视频服务端离线处理全景视频文件步骤：
所述视频编码模块将投影获得二维视频分割成等时长的视频段并裁剪为独立的视频块；所述视频编码模块对视频块进行比特率编码转换为多种比特率的视频文件并存入第一缓存区；
所述第一视野预测处理模块采集历史用户的视野移动轨迹生成热力图文件并存入第一缓存区；
请求处理模块接收用户端视频请求将第一缓冲区内视频文件作为响应；
所述视频用户端按照时间顺序以一个视频段为单位预取所有的视频块，在每一次向视频服务器端请求视频时进行如下步骤：
所述第二视野预测处理模块预测即将请求的视频片段的用户视野；
所述视频比特率分配处理模块为每一个视频块选择特定的比特率，并以一个视频片段为单位向服务器发送请求，最大化如下公式的用户体验质量：
Q＝α1*QoE1-α2*QoE2-α3*QoE3-α4*QoE4
其中，α1，α2，α3，α4为非负的权重参数；QoE1为视野内视频块的平均比特率质量；QoE2为下载该视频段期间的视频暂停缓冲时长；QoE3为相邻视频块间比特率的空间差异；QoE4为相邻视频段比特率的时间差异；
所述第二缓冲区存入服务器端发送的视频文件；
所述视频追踪反馈模块实时记录用户的视野移动轨迹并计算用户QoE；
所述视频解码模块将所有视频块拼接为完整视频，并在显示器中投影成全景视频供用户观看。
3.根据权利要求2所述的一种基于长期视野预测的自适应全景视频流传输***，其特征在于：所述第二视野预测处理模块根据所述请求处理模块响应的视频描述文件中提供的视野移动轨迹以及视频的热力图数据信息按照如下公式预测未来若干个视频段中的用户视野：
Pc+1，…，Pc+n＝LSTM([Vc-m，…，Vc]，[Hc+1，…，Hc+n])
其中c表示当前视频段的序号，Vc表示该时刻的用户视野，Hc表示该视频段的热力图数据信息，m，n分别表示时间窗口的长度；预测结果Pc+1表示了用户视野中心点位于每个视频块中的概率分布。
4.根据权利要求2所述的一种基于长期视野预测的自适应全景视频流传输***，其特征在于：所述视频比特率分配处理模块将用户体验质量为每一个视频块分配比特率按照如下公式获取用户体验质量指标：
其中，0-1向量表示当前用户的视野，向量/>表示为每个视频块分配的比特率，用户体验指标QoE2以真实测量得到的视频暂停时长(以秒为单位)来表示。
5.根据权利要求4所述的一种基于长期视野预测的自适应全景视频流传输***，其特征在于：所述视频比特率分配处理模块为每一个视频块分配比特率分配按照相同区域中的所有视频块分配一个相等的比特率，且满足如下条件：视野区域比特率≥边缘区域比特率≥外部区域比特率。
CN202111361167.7A 2021-11-17 2021-11-17 基于长期视野预测的自适应全景视频流传输***及其方法 Active CN114095756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111361167.7A CN114095756B (zh) 2021-11-17 2021-11-17 基于长期视野预测的自适应全景视频流传输***及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111361167.7A CN114095756B (zh) 2021-11-17 2021-11-17 基于长期视野预测的自适应全景视频流传输***及其方法

Publications (2)

Publication Number Publication Date
CN114095756A CN114095756A (zh) 2022-02-25
CN114095756B true CN114095756B (zh) 2024-04-02

Family

ID=80301253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111361167.7A Active CN114095756B (zh) 2021-11-17 2021-11-17 基于长期视野预测的自适应全景视频流传输***及其方法

Country Status (1)

Country Link
CN (1) CN114095756B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114979762B (zh) * 2022-04-12 2024-06-07 北京字节跳动网络技术有限公司 视频下载、传输方法、装置、终端设备、服务器及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104604263A (zh) * 2012-09-28 2015-05-06 英特尔公司 用于dash格式化的内容流送期间的无缝单播-广播切换的方法
CN105049930A (zh) * 2015-08-14 2015-11-11 浙江大学 基于支持向量机的无线视频流业务QoE评估方法
CN108063961A (zh) * 2017-12-22 2018-05-22 北京联合网视文化传播有限公司 一种基于强化学习的自适应码率视频传输方法以及***
KR101982290B1 (ko) * 2018-02-27 2019-05-24 광운대학교 산학협력단 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법
CN113038187A (zh) * 2021-02-28 2021-06-25 中南大学 一种视频体验质量公平的实用网络带宽分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10271112B2 (en) * 2015-03-26 2019-04-23 Carnegie Mellon University System and method for dynamic adaptive video streaming using model predictive control

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104604263A (zh) * 2012-09-28 2015-05-06 英特尔公司 用于dash格式化的内容流送期间的无缝单播-广播切换的方法
CN105049930A (zh) * 2015-08-14 2015-11-11 浙江大学 基于支持向量机的无线视频流业务QoE评估方法
CN108063961A (zh) * 2017-12-22 2018-05-22 北京联合网视文化传播有限公司 一种基于强化学习的自适应码率视频传输方法以及***
KR101982290B1 (ko) * 2018-02-27 2019-05-24 광운대학교 산학협력단 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법
CN113038187A (zh) * 2021-02-28 2021-06-25 中南大学 一种视频体验质量公平的实用网络带宽分配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
强化学习在自适应视频码率控制算法中的应用;肖强;白光伟;沈航;;小型微型计算机***;20200215(第02期);全文 *
数据中心网络流量调度的研究进展与趋势;李文信;齐恒;徐仁海;周晓波;李克秋;;计算机学报;20200415(第04期);全文 *
自适应流媒体传输方案研究及其应用;李争明;张佐;叶德建;;计算机工程;-;20060620;第-卷(第12期);全文 *

Also Published As

Publication number Publication date
CN114095756A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN110248212B (zh) 多用户360度视频流服务器端码率自适应传输方法及***
Zhang et al. EPASS360: QoE-aware 360-degree video streaming over mobile devices
Hooft et al. Tile-based adaptive streaming for virtual reality video
Jiang et al. Plato: Learning-based adaptive streaming of 360-degree videos
Park et al. Volumetric media streaming for augmented reality
Jiang et al. Reinforcement learning based rate adaptation for 360-degree video streaming
Park et al. Mosaic: Advancing user quality of experience in 360-degree video streaming with machine learning
CN112714315B (zh) 基于全景视频的分层缓冲方法及***
van der Hooft et al. Optimizing adaptive tile-based virtual reality video streaming
CN114095756B (zh) 基于长期视野预测的自适应全景视频流传输***及其方法
CN112468806B (zh) 一种用于云vr平台的全景视频传输优化方法
CN112055263A (zh) 基于显著性检测的360°视频流传输***
CN117596376B (zh) 360度视频智能边缘传输方法、***、穿戴设备及介质
Hu et al. VAS360: QoE-driven viewport adaptive streaming for 360 video
Li et al. Utility-driven joint caching and bitrate allocation for real-time immersive videos
Carlsson et al. Cross-user similarities in viewing behavior for 360 video and caching implications
Ghabashneh et al. Dragonfly: Higher perceptual quality for continuous 360 video playback
Tu et al. PSTile: Perception-Sensitivity-Based 360$^\circ $ Tiled Video Streaming for Industrial Surveillance
Yaqoob et al. A weighted tile-based approach for viewport adaptive 360° video streaming
Kumar et al. Seer: Learning-Based 360$^{\circ} $ Video Streaming for MEC-Equipped Cellular Networks
Xie et al. Perceptually optimized quality adaptation of viewport-dependent omnidirectional video streaming
Moldovan et al. Optimizing HAS for 360-degree videos
CN112511844B (zh) 一种基于360度视频流的传输方法及***
Zhang et al. Exploiting layer and spatial correlations to enhance SVC and tile based 360-degree video streaming
Dziubinski et al. Advancing user quality of experience using viewport archives in viewport-aware tile-based 360-degree video streaming

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant