-
公开(公告)号：CN117979054A
公开(公告)日：2024-05-03
申请号：CN202410159839.3
申请日：2024-02-04
Applicant: 山东大学
IPC: H04N21/234 , H04N21/2343 , H04N21/2662 , H04N21/44 , G06N3/045 , G06N3/0464
Abstract: 本发明属于软件系统技术领域，涉及一种在移动终端中播放短视频流媒体的能耗节约方法。该方法包括如下步骤：步骤1，采用E‑Stream系统训练神经网络；步骤2，将训练好的神经网络部署在服务器上；步骤3，收集环境中的数据，形成一个环境状态，并输入所述的神经网络；步骤4，神经网络决定输出动作，即视频的下载顺序和比特率；步骤5，服务器向客户端传送相应视频块，供用户播放。本发明提供的方法能够显著降低短视频播放时的能耗，延长视频播放平均时长，同时保证了高QoE。
-
公开(公告)号：CN117241076A
公开(公告)日：2023-12-15
申请号：CN202311156924.6
申请日：2023-09-08
Applicant: 山东大学
IPC: H04N21/2662 , H04N21/2187 , H04N21/2343 , H04N21/24 , H04N21/4402 , H04N21/442 , G06V20/40 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种在高度波动网络下实现超低延迟视频直播的方法，包括如下步骤：建立自适应模型；在虚拟视频流媒体环境下，将网络状态进行分类，针对不同类别的网络状态，利用建立的模型测试流传输性能，以流传输指标和实际播放延迟为目标函数，进行学习因子的优化训练，输出模型参数字典；视频直播过程中，获取当前网络带宽状态，根据模型参数字典得到当前最优学习因子，再将当前最优学习因子和设定的目标播放延迟代入模型，得到当前视频片段的播放速率和比特率，实现视频直播的在线动态调节。本发明所公开的方法通过对网络特征的学习，动态调整模型，从而实现稳定的播放延迟与较高的用户观看体验。
-
Patent Agency Ranking
公开(公告)号：CN117156175B
公开(公告)日：2024-01-30
申请号：CN202311411669.5
申请日：2023-10-30
Applicant: 山东大学
IPC: H04N21/234 , H04N21/2343 , H04N21/2662 , H04N21/218 , H04N21/239 , H04N21/44 , H04N21/433 , G06N3/0464 , G06N3/092
Abstract: 且在各种网络环境中均具有很强的时间和空间本发明公开了一种基于视口预测距离控制 鲁棒性。的全景视频流QoE优化方法，涉及流媒体视频技术领域，包括构建视口预测距离控制模型，并对模型进行训练；控制模型输入端接收视频客户端发送的输入环境状态，输出端输出动作；控制模型将输出动作发送到视频客户端，视频客户端根据视频下载暂停时间决定下一个视频片段的请求时间点，根据码率阈值与未来视口预测结果确定每个空间瓦片比特率；视频客户端向视频服务器发送视频片段下载请求，视频服务器返回所请(56)对比文件Hui Yuan等.Spatial and TemporalConsistency-Aware Dynamic AdaptiveStreaming for 360-Degree Videos《.IEEEJournal of Selected Topics in SignalProcessing》.2020,第14卷(第1期),全文.侯永宏;邢家明;王利伟.基于模糊控制的流媒体自适应传输算法.计算机工程与科学.2018,(第08期),全文.
-
公开(公告)号：CN117156175A
公开(公告)日：2023-12-01
申请号：CN202311411669.5
申请日：2023-10-30
Applicant: 山东大学
IPC: H04N21/234 , H04N21/2343 , H04N21/2662 , H04N21/218 , H04N21/239 , H04N21/44 , H04N21/433 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种基于视口预测距离控制的全景视频流QoE优化方法，涉及流媒体视频技术领域，包括构建视口预测距离控制模型，并对模型进行训练；控制模型输入端接收视频客户端发送的输入环境状态，输出端输出动作；控制模型将输出动作发送到视频客户端，视频客户端根据视频下载暂停时间决定下一个视频片段的请求时间点，根据码率阈值与未来视口预测结果确定每个空间瓦片比特率；视频客户端向视频服务器发送视频片段下载请求，视频服务器返回所请求片段的空间瓦片；视频客户端将所有瓦片拼接为全景视频，并以控制模型输出的播放速率进行播放。本发明不仅能实现体验质量QoE的改善，而且在各种网络环境中均具有很强的时间和空间鲁棒性。
-
公开(公告)号：CN118555417A
公开(公告)日：2024-08-27
申请号：CN202410865212.X
申请日：2024-07-01
Applicant: 山东大学
IPC: H04N21/222 , H04N21/232 , H04N21/234 , H04N21/2343 , H04N21/24 , H04N21/262 , H04N21/44 , H04N21/4402 , H04N21/442 , H04N21/458
Abstract: 本发明涉及计算机领域，具体涉及一种基于多轮预下载的体积视频流自适应传输方法及设备，在整个传输过程中，服务器端提前将原视频切分压缩，客户端请求对应的视频片段，服务器端收到请求后通过网络将视频传输至客户端，客户端实施多轮预下载策略，并用贪心法来决策各切块的质量级别，下载后播放。其优点在于，本专利提出了多轮预下载方法，可以解决下载不精准的问题，尤其减少了可见切块未下载的情况。
-
公开(公告)号：CN117376661B
公开(公告)日：2024-02-27
申请号：CN202311656722.8
申请日：2023-12-06
Applicant: 山东大学
IPC: H04N21/647 , H04N21/2343 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/092 , G06N3/0985
Abstract: 本发明涉及视频流播放调节领域，公开了一种基于神经网络的细粒度视频流自适应调节系统及方法，系统包括六个独立的神经网络和一个经验缓冲区；神经网络包括策略网络、目标策略网络、两个评价网络和两个目标评价网络；策略网络即ABR模型，用于从环境中获取状态，并输出动作，这些作为经验数据被保存到经验缓冲区中；评价网络用于评价网络用于评估策略网络做出的动作的价值；目标策略网络用于稳定训练性能；目标评价网络用于在训练过程更新评价网络。本发明通过新的基于学习的训练方法，使得训练出的ABR模型能够进行细粒度的比特率适应和长期决策规划，可以在整个视频会话中保持稳
-
公开(公告)号：CN117376661A
公开(公告)日：2024-01-09
申请号：CN202311656722.8
申请日：2023-12-06
Applicant: 山东大学
IPC: H04N21/647 , H04N21/2343 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/092 , G06N3/0985
Abstract: 本发明涉及视频流播放调节领域，公开了一种基于神经网络的细粒度视频流自适应调节系统及方法，系统包括六个独立的神经网络和一个经验缓冲区；神经网络包括策略网络、目标策略网络、两个评价网络和两个目标评价网络；策略网络即ABR模型，用于从环境中获取状态，并输出动作，这些作为经验数据被保存到经验缓冲区中；评价网络用于评价网络用于评估策略网络做出的动作的价值；目标策略网络用于稳定训练性能；目标评价网络用于在训练过程更新评价网络。本发明通过新的基于学习的训练方法，使得训练出的ABR模型能够进行细粒度的比特率适应和长期决策规划，可以在整个视频会话中保持稳定的性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.034 seconds)
