-
公开(公告)号：CN104202356A
公开(公告)日：2014-12-10
申请号：CN201410387165.9
申请日：2014-08-07
Applicant: 西安交通大学
Abstract: 本发明为一种基于多码率版本的视频云点播系统视频文件部署方法，考虑相同视频内容多码率版本的情况，选择存储部分码率的版本文件来降低系统总代价；对于每个视频，其最高码率的版本文件必须存储在云平台中，其他码率的版本文件，通过其点播概率、云平台中的存储代价系数和转码计算代价系数来确定该版本文件是否存储在云平台上；存储在云平台上的版本文件直接供用户点播，不存储云平台上的版本文件，通过将存储在云平台上的码率比其高且最接近的版本文件实时转码来供用户点播，从而使视频云点播系统的总代价最小。
-
公开(公告)号：CN103369368A
公开(公告)日：2013-10-23
申请号：CN201310253056.3
申请日：2013-06-24
Applicant: 西安交通大学
IPC: H04N21/25 , H04N21/266 , H04N21/63
Abstract: 本发明为一种支持多版本的视频云点播缓存调度方法，考虑相同视频内容但不同码率版本之间的相关性，采用缓存组共享调度算法以降低缓存资源开销；本发明中，对于相同视频内容，流媒体服务器中存储多个码率版本的视频文件以适应用户不同的请求，当用户请求的某一码率版本的视频文件，若该码率版本的文件已在缓存服务器中缓存时，则直接服务，若未缓存，则在缓存服务器中查找是否缓存有相邻码率版本的文件，若有，则先将该请求加入临时缓存组，以减少用户等待时长。
-
公开(公告)号：CN103354618A
公开(公告)日：2013-10-16
申请号：CN201310253436.7
申请日：2013-06-24
Applicant: 西安交通大学
IPC: H04N21/238 , H04N21/233 , H04N21/234 , H04N21/431
Abstract: 本发明为一种基于HLS的多场景流媒体自适应直播方法，其基于HTTP Live Streaming协议，实现了屏幕媒体流和视频媒体流的同步自适应直播；在直播过程中，服务器实时将屏幕数据和音频数据编码并封装成多种不同质量级别的屏幕媒体流，将视频数据和音频数据编码并封装成一种质量级别的视频媒体流，并对屏幕媒体流和视频媒体流进行切片，客户端采用一种平滑的带宽预测方法，根据单位HTTP/TCP吞吐量来进行网络实时可用带宽的预测，并综合考虑网络实时可用带宽、缓存大小与屏幕媒体流、视频媒体流的重要程度，请求与网络实时可用带宽相适应的媒体码流进行传输，实现了一种屏幕媒体流优先的多场景流媒体自适应直播方法。
-
公开(公告)号：CN103354545A
公开(公告)日：2013-10-16
申请号：CN201310251657.0
申请日：2013-06-24
Applicant: 西安交通大学
Abstract: 一种基于云计算的P2P流媒体服务器集群部署方法，预测具有延时保障的P2P流媒体直播系统的带宽需求，虚拟流媒体服务器集群构建在云平台DCN网络之上，特别地，预测具有延时保障的P2P流媒体直播系统的带宽需求的方法是以数据包延时保障为依据，以延时保障时间、P2P拓扑网络中推拉百分比、上行带宽提供率为参数，构建P2P流媒体直播系统带宽需求模型预测带宽；将P2P流媒体服务器集群构建在云平台DCN网络之上方法是，以具有延时保障的P2P流媒体直播系统的带宽需求为依据，构建P2P流媒体服务器集群逻辑结构；采用构建的P2P流媒体服务器集群部署矩阵，将P2P流媒体服务器集群部署到云平台之上。
-
公开(公告)号：CN102387072A
公开(公告)日：2012-03-21
申请号：CN201110312787.1
申请日：2011-10-15
Applicant: 西安交通大学
Abstract: 本发明公开了一种支持异构终端与异构网络环境的应用层组播方法，其特征在于基于服务覆盖网络和P2P覆盖网络的树型分层网络架构，实现了综合考虑异构终端与异构网络环境的媒体数据传送方法。首先，基于服务覆盖网络和P2P覆盖网络的树型分层网络架构，综合考虑了不同ISP网络与内外网的异构网络环境，实现了支持异构网络的媒体数据传送；其次，基于异构网络的媒体数据传送分层网络架构，综合考虑各个用户节点的网络类型、网络带宽、在线时长和分辨率的终端异构因素，实现了支持异构终端的媒体数据传送方法。
-
Patent Agency Ranking
公开(公告)号：CN119339196A
公开(公告)日：2025-01-21
申请号：CN202411446862.7
申请日：2024-10-16
Applicant: 西安交通大学
Abstract: 一种面向病理全切片的语言大模型的多模态信息融合方法、系统、设备及介质，其方法通过对病理图像进行分割与处理，得到病理图像区域块局部表示的编码向量：将得到病理图像区域块局部表示的编码向量输入病理图像信息混合注意力层融合获得病理图像全切片的表示向量；再将得到病理图像全切片的表示向量与大语言模型的文本向量通过交叉注意力机制实现多模态融合；其系统、设备及介质基于所述的面向病理全切片的语言大模型的多模态信息融合方法，根据病理图像信息与使用者输入的文本信息进行多模态信息融合；本发明有助于辅助医生进行更快速、更准确的病理判断。
-
公开(公告)号：CN118397250A
公开(公告)日：2024-07-26
申请号：CN202410585555.0
申请日：2024-05-13
Applicant: 西安交通大学 , 中电信人工智能科技(北京)有限公司
IPC: G06V10/25 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06F40/30 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/09 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于蒸馏CLIP模型的生成式零样本目标检测方法及系统，方法包括：基于基准模型和训练集执行训练流程，得到训练好的有监督目标检测模型；将训练集输入训练后冻结参数的基准模型，提取已见类视觉特征，并将已见类和未见类的类别信息分别输入CLIP模型，获得类语义嵌入；通过离线知识蒸馏的方式，使用CLIP模型编码已见类语义嵌入和已见类视觉特征，通过蒸馏模块实现CLIP模型对生成模型的知识转移，训练未见类的分类头，并入训练好的基准模型的分类器中；利用修改后的基准模型即可得到输入图片的定位和分类结果。本发明以优化未见类视觉特征生成的方式实现对零样本目标检测精度的提高化，提升了零样本目标检测的性能。
-
公开(公告)号：CN115037962B
公开(公告)日：2024-03-12
申请号：CN202210609323.5
申请日：2022-05-31
Applicant: 咪咕视讯科技有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司 , 西安交通大学
IPC: H04N21/234 , H04N21/2343 , H04N21/258
Abstract: 本发明公开了一种视频自适应传输方法、装置、终端设备以及存储介质，通过获取全景视频数据；基于预先得到的用户视角预测结果进行自适应决策，得到决策结果，根据所述决策结果调整所述全景视频数据，得到视频内容，并将所述视频内容及所述决策结果发送至播放器，以供所述播放器根据所述决策结果确定是否对所述视频内容进行视频重建，得到目标视频。通过预先对视频数据进行用户视角预测，可以长效准确地识别用户偏好，通过基于用户视角预测结果对视频数据进行自适应决策，根据决策结果调整全景视频数据得到视频内容，并将视频内容及决策结果发送至播放器，可以在适应带宽资源的同时提高视频质量，从而改善了用户对全景视频的沉浸式观看体验。
-
公开(公告)号：CN115022546B
公开(公告)日：2023-11-14
申请号：CN202210639380.8
申请日：2022-05-31
Applicant: 咪咕视讯科技有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司 , 西安交通大学
IPC: H04N23/698 , H04N21/2662 , H04L65/80
Abstract: 本发明公开了一种全景视频传输方法、装置、终端设备以及存储介质，属于视频传输领域。所述全景视频传输方法包括：获取用户视角信息；根据所述用户视角信息，通过预先创建的用户视角预测模型对用户视角进行预测，得到预测结果；基于所述预测结果，为待传输的全景视频的切片数据分配传输优先级和传输码率；通过多路复用优先级调度策略，按照所述传输优先级和传输码率，将所述待传输的全景视频的切片数据传输到客户端。本发明通过使用多路复用优先级调度策略配合全景视频的视角预测，使得高传输优先级的数据以更高的码率传输，改善了全景视频的传输效果。
-
公开(公告)号：CN115022684B
公开(公告)日：2023-08-04
申请号：CN202210586839.2
申请日：2022-05-27
Applicant: 西安交通大学
IPC: H04N21/24 , H04N21/2662 , H04L65/1069 , H04L65/80 , H04L67/06 , G06N3/0464 , G06N3/092
Abstract: 一种QUIC协议下基于深度强化学习的视频流自适应传输方法，结合基于门控循环单元(GRU)和卷积(CNN)的神经网络建立网络轨迹特征的提取模型，利用注意力机制学习不同特征对带宽的影响，预测未来时刻带宽信息；将预测的带宽信息作为码率决策的状态输入，建立QoE奖励模型，采用PPO算法训练强化学习网络，决策最优码率；客户端根据码率自适应决策模块的反馈结果将相应视频下载并播放，实现QUIC下的视频流自适应传输框架。本发明能够保证在QUIC协议下，带宽预测模块能够充分提取网络状态信息，实现长窗口的带宽预测，为码率自适应决策提供有效输入，达到充分利用带宽资源的目的，有效提升用户观看体验质量。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.019 seconds)
