MIT、機械学習を用いてストリーミングビデオのバッファリングを減らす映像配信システム「Pensieve」を開発。既存より最高30%減少でユーザー体感品質もUP。次はVR配信をテスト

マサチューセッツ工科大学(MIT)の「CSAIL(Computer Science and Artificial Intelligence Laboratory)」は、機械学習を用いて既存のシステムよりも再バッファリングの少ないストリーミング体験を提供することができる映像配信システム「Pensieve」を開発、論文にて発表しました。

Neural Adaptive Video Streaming with Pensieve(PDF)

YouTubeなどは、視聴者の通信環境に応じて自動的にコンテンツの品質を変更する「ABR(アダプティブビットレート)」アルゴリズムを採用しており、ユーザーが感じるサービス品質「QoE(Quality of experience)」の最適化を追求しています。

しかし、現在のABRには制限があり、幅広いネットワーク条件における最適な性能を達成できていないのが現状です。

そこで、本チームは強化学習(RL)を用いてABRアルゴリズムを生成するシステム「Pensieve」を提案します。

Pensieveは、クライアントビデオプレーヤーによって収集されたデータに基づいて、将来のビデオチャンクのビットレートを選択するニューラルネットワークモデルを学習することで、よりバッファリングが少なくQoEが高いストリーミング配信を実現します。

実験では、他のアプローチ(既存の最先端ABR)よりも10〜30%少ないバッファリングでストリーミング配信することに成功し、と同時に、QoEも12〜25%優れた結果を叩き出しました。

そして、チームは次のステップとしてVR環境においてのストリーミングをテストする予定で、4K品質のVRに必要なビットレート毎秒数百メガビットでの環境下でパフォーマンスを向上することを目指します。

また、本プロジェクトのコードはオープンソース化する予定としています。

 

関連

Adobe Research等、同じ場所で異なる時間に撮影した複数のシーンを合成するタイムスライス動画制作システムを論文にて発表 | Seamless

アーカイブ

ページ上部へ戻る