-
题名基于自适应码率移动增强现实应用的能效优化研究
被引量：5
- 1
-
-
作者
陈乐
高岭
任杰
党鑫
王祎昊
曹瑞
郑杰
王海
-
机构
西北大学信息科学与技术学院/新型网络智能信息服务国家地方联合工程研究中心
西安工程大学计算机科学学院/新型网络智能信息服务国家地方联合工程研究中心
陕西师范大学计算机科学学院
-
出处
《计算机科学》
CSCD
北大核心
2022年第1期194-203,共10页
-
基金
国家重点研发计划(2019YFC1521400)
国家自然科学基金(61902229,61872294)
+1 种基金
陕西省国际科技合作计划项目(2020KW-006)
中央高校基本科研业务费专项资金资助项目(GK202103084)。
-
文摘
随着移动增强现实(Mobile Augmented Reality,MAR)技术的飞速发展,MAR应用的种类及功能也越来越丰富多样,与此同时用户对MAR应用的视频质量及响应时间也提出了更高的要求。通常来说,MAR应用会将计算密集型任务(目标识别及渲染)卸载到云端或边缘服务器进行处理,并将渲染后的图像下载到移动端。但由于移动网络状态的不稳定性及网络带宽的限制,海量数据的传输将延长MAR应用响应时间,进而增加移动设备的传输能耗开销,严重影响用户使用体验。由此,文中提出了一种基于梯度提升回归(Gradient Boosting Regression,GBR)的自适应码率控制模型。该模型通过感知当前网络环境及拍摄内容,预测用户观感需求并对非关注点部分进行低码率压缩,从而在不影响用户体验的情况下尽可能地降低传输数据量,缩短响应时间。具体来说,通过分析200个热门视频的视频特征,构建视频特征同用户观感需求的内在联系,从而针对不同的用户需求提供合适的视频码率配置,由此达到维持体验、减少时延、节约能耗的目标。实验结果显示,同直接下载渲染后的1080p视频相比,提出的自适应码率控制模型在尽可能维持用户观感体验的前提下,每帧的下载时间平均减少了58%(19.13 ms)。
-
关键词
移动增强现实
能效优化
梯度提升回归
码率自适应控制
-
Keywords
Mobile augmented reality
Performance optimization
Gradient boosting regression
bitrate adaptive control
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
