基于深度強(qiáng)化學(xué)習(xí)的全景視頻傳輸優(yōu)化
發(fā)布時(shí)間:2023-04-11 03:47
超高清全景視頻的廣泛應(yīng)用需求,對(duì)全景視頻傳輸技術(shù)提出了挑戰(zhàn)。全景視頻從球面投影到二維網(wǎng)格平面后,經(jīng)過壓縮生成待傳輸?shù)囊曨l流文件。相應(yīng)的,全景視頻傳輸策略的設(shè)計(jì)需要考慮投影格式的影響。為了提供用戶沉浸式體驗(yàn),超高清全景視頻的空間分辨率極高,需要極大的帶寬資源;诜謮K的全景視頻傳輸方案需要同時(shí)考慮空間和質(zhì)量的自適應(yīng)調(diào)度,以實(shí)現(xiàn)帶寬資源受限環(huán)境下的用戶體驗(yàn)最優(yōu)。本文針對(duì)全景視頻傳輸優(yōu)化的核心問題,在內(nèi)容制作和傳輸過程等方面基于深度強(qiáng)化學(xué)習(xí)提出了三個(gè)解決方案。(1)立方體投影方式常用于投影全景視頻。然而默認(rèn)的立方體投影方法,未能有效考慮前景對(duì)象的分布,導(dǎo)致部分前景對(duì)象跨越多個(gè)投影平面,存在明顯的失真。為了解決上述問題,本文提出一種基于深度Q學(xué)習(xí)(Deep Q-Learning,DQL)的全景圖像內(nèi)容自適應(yīng)立方體投影方法,通過分析前景對(duì)象的分布,在有限次迭代中快速地預(yù)測(cè)水平旋轉(zhuǎn)角度,優(yōu)化立方體投影結(jié)果。實(shí)驗(yàn)結(jié)果表明,相比已有的投影優(yōu)化方法,文中提出的方法有效降低前景對(duì)象的失真程度。(2)針對(duì)全景視頻傳輸過程的優(yōu)化,本文提出一種應(yīng)用于單用戶點(diǎn)播場(chǎng)景的全景視頻傳輸方案,該方案采用基礎(chǔ)層和增強(qiáng)層的協(xié)...
【文章頁(yè)數(shù)】:77 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 研究現(xiàn)狀
1.2.1 全景內(nèi)容投影方法
1.2.2 全景視頻傳輸方案
1.2.3 深度強(qiáng)化學(xué)習(xí)技術(shù)
1.2.4 邊緣計(jì)算和邊緣緩存
1.3 課題研究?jī)?nèi)容
第2章 全景圖像內(nèi)容自適應(yīng)CMP方法
2.1 引言
2.2 應(yīng)用于連續(xù)動(dòng)作空間的強(qiáng)化學(xué)習(xí)
2.3 整體方案描述
2.3.1 執(zhí)行過程
2.3.2 數(shù)據(jù)預(yù)處理
2.4 基于DQL結(jié)合NAF的水平旋轉(zhuǎn)角度預(yù)測(cè)算法
2.4.1 動(dòng)作
2.4.2 獎(jiǎng)勵(lì)
2.4.3 網(wǎng)絡(luò)模型
2.4.4 訓(xùn)練方法
2.5 對(duì)比試驗(yàn)
2.5.1 數(shù)據(jù)集
2.5.2 參數(shù)設(shè)置
2.5.3 對(duì)比算法
2.5.4 實(shí)驗(yàn)結(jié)果
2.6 總結(jié)
第3章 單用戶場(chǎng)景下的全景視頻傳輸方案
3.1 引言
3.2 整體方案描述
3.2.1 基礎(chǔ)塊與圖塊
3.2.2 視點(diǎn)與視口
3.2.3 基礎(chǔ)層緩存和增強(qiáng)層緩存
3.2.4 圖塊開始下載時(shí)間
3.2.5 全景視頻塊開始播放時(shí)間與傳輸卡頓
3.2.6 質(zhì)量評(píng)價(jià)
3.3 基于A3C的碼率自適應(yīng)調(diào)度算法
3.3.1 狀態(tài)
3.3.2 動(dòng)作
3.3.3 獎(jiǎng)勵(lì)
3.3.4 訓(xùn)練方法
3.4 對(duì)比實(shí)驗(yàn)
3.4.1 數(shù)據(jù)集
3.4.2 參數(shù)設(shè)置
3.4.3 對(duì)比方案
3.4.4 實(shí)驗(yàn)結(jié)果
3.5 總結(jié)
第4章 多用戶場(chǎng)景下的全景視頻傳輸方案
4.1 引言
4.2 整體方案描述
4.2.1 視頻塊請(qǐng)求
4.2.2 請(qǐng)求隊(duì)列
4.2.3 圖塊開始下載時(shí)間
4.2.4 全景視頻塊開始播放時(shí)刻與傳輸卡頓
4.2.5 質(zhì)量評(píng)價(jià)
4.3 邊緣緩存
4.4 基于A3C的碼率全局調(diào)度算法
4.4.1 狀態(tài)
4.4.2 動(dòng)作
4.4.3 獎(jiǎng)勵(lì)
4.5 對(duì)比實(shí)驗(yàn)
4.5.1 數(shù)據(jù)集
4.5.2 參數(shù)設(shè)置
4.5.3 碼率調(diào)度方案對(duì)比
4.5.4 Fo V-Cache算法對(duì)緩存置換算法的提升效果
4.6 總結(jié)
第5章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
指導(dǎo)教師對(duì)研究生學(xué)位論文的學(xué)術(shù)評(píng)語
學(xué)術(shù)論文答辯委員會(huì)決議書
致謝
攻讀碩士學(xué)位期間的研究成果
本文編號(hào):3789264
【文章頁(yè)數(shù)】:77 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 研究現(xiàn)狀
1.2.1 全景內(nèi)容投影方法
1.2.2 全景視頻傳輸方案
1.2.3 深度強(qiáng)化學(xué)習(xí)技術(shù)
1.2.4 邊緣計(jì)算和邊緣緩存
1.3 課題研究?jī)?nèi)容
第2章 全景圖像內(nèi)容自適應(yīng)CMP方法
2.1 引言
2.2 應(yīng)用于連續(xù)動(dòng)作空間的強(qiáng)化學(xué)習(xí)
2.3 整體方案描述
2.3.1 執(zhí)行過程
2.3.2 數(shù)據(jù)預(yù)處理
2.4 基于DQL結(jié)合NAF的水平旋轉(zhuǎn)角度預(yù)測(cè)算法
2.4.1 動(dòng)作
2.4.2 獎(jiǎng)勵(lì)
2.4.3 網(wǎng)絡(luò)模型
2.4.4 訓(xùn)練方法
2.5 對(duì)比試驗(yàn)
2.5.1 數(shù)據(jù)集
2.5.2 參數(shù)設(shè)置
2.5.3 對(duì)比算法
2.5.4 實(shí)驗(yàn)結(jié)果
2.6 總結(jié)
第3章 單用戶場(chǎng)景下的全景視頻傳輸方案
3.1 引言
3.2 整體方案描述
3.2.1 基礎(chǔ)塊與圖塊
3.2.2 視點(diǎn)與視口
3.2.3 基礎(chǔ)層緩存和增強(qiáng)層緩存
3.2.4 圖塊開始下載時(shí)間
3.2.5 全景視頻塊開始播放時(shí)間與傳輸卡頓
3.2.6 質(zhì)量評(píng)價(jià)
3.3 基于A3C的碼率自適應(yīng)調(diào)度算法
3.3.1 狀態(tài)
3.3.2 動(dòng)作
3.3.3 獎(jiǎng)勵(lì)
3.3.4 訓(xùn)練方法
3.4 對(duì)比實(shí)驗(yàn)
3.4.1 數(shù)據(jù)集
3.4.2 參數(shù)設(shè)置
3.4.3 對(duì)比方案
3.4.4 實(shí)驗(yàn)結(jié)果
3.5 總結(jié)
第4章 多用戶場(chǎng)景下的全景視頻傳輸方案
4.1 引言
4.2 整體方案描述
4.2.1 視頻塊請(qǐng)求
4.2.2 請(qǐng)求隊(duì)列
4.2.3 圖塊開始下載時(shí)間
4.2.4 全景視頻塊開始播放時(shí)刻與傳輸卡頓
4.2.5 質(zhì)量評(píng)價(jià)
4.3 邊緣緩存
4.4 基于A3C的碼率全局調(diào)度算法
4.4.1 狀態(tài)
4.4.2 動(dòng)作
4.4.3 獎(jiǎng)勵(lì)
4.5 對(duì)比實(shí)驗(yàn)
4.5.1 數(shù)據(jù)集
4.5.2 參數(shù)設(shè)置
4.5.3 碼率調(diào)度方案對(duì)比
4.5.4 Fo V-Cache算法對(duì)緩存置換算法的提升效果
4.6 總結(jié)
第5章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
指導(dǎo)教師對(duì)研究生學(xué)位論文的學(xué)術(shù)評(píng)語
學(xué)術(shù)論文答辯委員會(huì)決議書
致謝
攻讀碩士學(xué)位期間的研究成果
本文編號(hào):3789264
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3789264.html
最近更新
教材專著