The significant increase of the transmission of multimedia content over Internet are demanded new delivery strategies to assure a good quality of experience of the users. Transmission of video over packet networks is not an easy task due to multiple fluctuations of the network conditions. One possibility to improve the quality of some video streaming services is the combinate use of the scalable video coding and cross layer mechanisms that allow applications to adapt its traffic stream to the resources network that are available. In this paper, it is presented a performance evaluation of the three main scalability techniques: CGS (Coarse-Grained Scalability), FGS (Fine Grain scalability) and MGS (Medium Grain Scalability). In particular, we focus on determining what method is more appropriated for video transmission taking into account some video quality metrics like PSNR (Peak Signal-to-Noise Ratio) and decoded frame rate. The results reveal that the rate-adaptive strategy and the MGS technique help avoid or reduce the congestion in networks obtaining a better quality in the received videos.


翻译:由于网络条件的多种波动,通过互联网传输多媒体内容的大量增加需要新的交付战略,以确保用户的良好经验。由于网络条件的多重波动,通过封装传送视频网络并非易事。改进某些视频流服务质量的一个可能办法是,对可缩放视频编码和跨层机制进行组合使用,以便应用这些可缩放视频编码和跨层机制使其流量适应现有的资源网络。本文介绍了对三种主要可缩放技术的绩效评估:CGS(粗缩放可缩放性)、FGS(伸缩)、MGS(微缩性)和MGS(微缩性可缩放性),特别是,我们侧重于确定在视频传输方面更多地采用何种方法,同时考虑到PSNR(PAak信号至噪音比率)和解码框架速率等一些视频质量指标。结果显示,调适战略和MGS技术有助于避免或减少网络的拥堵,使收到的视频质量更高。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
人工智能 | SCI期刊专刊/国际会议信息7条
Call4Papers
7+阅读 · 2019年3月12日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Arxiv
0+阅读 · 2021年3月7日
Arxiv
24+阅读 · 2020年3月11日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
VIP会员
相关VIP内容
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
人工智能 | SCI期刊专刊/国际会议信息7条
Call4Papers
7+阅读 · 2019年3月12日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Top
微信扫码咨询专知VIP会员