码率自适应（ABR）相关论文阅读简报2

论文5简介

标题：PAR:IMPROVING VIDEO BITRATE ADAPTATION VIA PAYLOAD-A W ARE THROUGHPUT PREDICTION

作者：Jialiang Pei, Congkai An, Anfu Zhou, Liang Liu, Huadong Ma

单位: 中国北京邮电大学计算机学院

发表会议： Conference on Multimedia and Expo（ICME）

发表时间：2022年

论文研究主题归类：ABR

1.论文解决什么问题

作者提出了一种有效负载感知的自适应算法，称为标准PAR，该算法针对不同的目标有效负载预测多个吞吐量估计，并利用它们做出更好的比特率自适应决策。跟踪驱动实验表明，在不同的网络条件下，PAR优于现有的ABR方案，平均QoE改善2.66%至79.43%。

2.是否有公开的数据集及源代码

数据集：视频数据集“bbb 30fps”from DASH-264，网络轨迹数据集 HSDPA、LTE

源代码：无

3.论文的主要观点

作者认为在大多数现有的ABR算法中，吞吐量预测起着关键作用。然而，这些预测器由于忽略了网络动态下不同块有效载荷之间的吞吐量不一致而受到影响，例如，即使从同一时刻开始，下载4K或720P块的实际吞吐量通常也不同，从而带宽利用情况会影响算法决策，从而影响用户的QoE。

论文6简介

标题：DAVS:Dynamic-Chunk Quality Aware Adaptive Video Streaming using Apprenticeship Learning

作者：Weihe Li, Jiawei Huang, Shiqi Wang, Sen Liu, Jianxin Wang

单位: 中国长沙中南大学计算机科学与工程学院，中国上海复旦大学计算机学院

发表会议： Global Communications Conference

发表时间：2020年

论文研究主题归类：ABR

1.论文解决什么问题

提出了一种通过apprenticeship learning的动态块质量感知自适应比特率方案，称为DAVS，其中在不过度降低静态块质量的情况下为动态块选择更高的质量。实验结果表明，与最先进的ABR算法相比，DAVS提高了动态块的质量，并大大提高了整体QoE。

2.是否有公开的数据集及源代码

数据集：视频数据集Envivo-Dash3，来自于X. Yin, A. Jindal, V. Sekar and B. Sinopoli, “A Control-TheoreticApproach for Dynamic Adaptive Video Streaming over HTTP,” InProceedings of ACM SIGCOMM, 2015.网络轨迹数据集HSDPA移动数据集和FCC3提供的宽带数据集

源代码：https://www.fcc.gov/reports-research/reports/measuring-broadband-

america/raw-data-measuring-broadband-america

3.论文的主要观点

作者认为当前的ABR算法通常旨在最大化平均比特率而不是感知质量，从而影响用户的QoE。同事作者认为改善动态块的视频比特率比改善静态块的视频比特率带来的QoE收益要大。

论文7简介

标题：Xatu: Richer Neural Network Based Prediction for Video Streaming

作者：YUN SEONG NAM, JIANFEI GAO, CHANDAN BOTHRA, EHAB GHABASHNEH, SANJAY RAO，BRUNO RIBEIRO，JIBIN ZHAN，HUI ZHANG

单位: Purdue University（美国普渡大学）

发表期刊： ACM Meas. Anal. Comput. Syst

发表时间：2021年

论文研究主题归类：ABR

1.论文解决什么问题

作者提出了一种新的带宽预测方法Xatu，它联合学习神经网络序列模型和可解释的自动会话聚类方法。Xatu在它认为相关的所有会话中学习聚类规则，并使用多个依赖于块的特征(例如TTFB)来建模序列，而不仅仅是吞吐量。Xatu的预测精度相对于CS2P(最先进的预测器)显著提高了23.8%。

2.是否有公开的数据集及源代码

数据集：未公开

源代码：未公开

3.论文的主要观点

作者认为现有的自适应比特率(ABR)视频流算法的性能依赖于准确预测视频块的下载时间。现有的预测方法(1)假设块下载时间由网络吞吐量主导;和(2)先验集群会话(例如，基于ISP和CDN)，只从同一集群中的会话中学习。但单一的方法对于网络的预测都不是很准确。

Xatu在它认为相关的所有会话中学习聚类规则，并使用多个依赖于块的特征(例如TTFB)来建模序列，而不仅仅是吞吐量。