基于深度强化学习的全景视频传输优化

发布时间：2023-04-11 03:47

　　超高清全景视频的广泛应用需求,对全景视频传输技术提出了挑战。全景视频从球面投影到二维网格平面后,经过压缩生成待传输的视频流文件。相应的,全景视频传输策略的设计需要考虑投影格式的影响。为了提供用户沉浸式体验,超高清全景视频的空间分辨率极高,需要极大的带宽资源。基于分块的全景视频传输方案需要同时考虑空间和质量的自适应调度,以实现带宽资源受限环境下的用户体验最优。本文针对全景视频传输优化的核心问题,在内容制作和传输过程等方面基于深度强化学习提出了三个解决方案。(1)立方体投影方式常用于投影全景视频。然而默认的立方体投影方法,未能有效考虑前景对象的分布,导致部分前景对象跨越多个投影平面,存在明显的失真。为了解决上述问题,本文提出一种基于深度Q学习(Deep Q-Learning,DQL)的全景图像内容自适应立方体投影方法,通过分析前景对象的分布,在有限次迭代中快速地预测水平旋转角度,优化立方体投影结果。实验结果表明,相比已有的投影优化方法,文中提出的方法有效降低前景对象的失真程度。(2)针对全景视频传输过程的优化,本文提出一种应用于单用户点播场景的全景视频传输方案,该方案采用基础层和增强层的协...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 全景内容投影方法
        1.2.2 全景视频传输方案
        1.2.3 深度强化学习技术
        1.2.4 边缘计算和边缘缓存
    1.3 课题研究内容
第2章 全景图像内容自适应CMP方法
    2.1 引言
    2.2 应用于连续动作空间的强化学习
    2.3 整体方案描述
        2.3.1 执行过程
        2.3.2 数据预处理
    2.4 基于DQL结合NAF的水平旋转角度预测算法
        2.4.1 动作
        2.4.2 奖励
        2.4.3 网络模型
        2.4.4 训练方法
    2.5 对比试验
        2.5.1 数据集
        2.5.2 参数设置
        2.5.3 对比算法
        2.5.4 实验结果
    2.6 总结
第3章 单用户场景下的全景视频传输方案
    3.1 引言
    3.2 整体方案描述
        3.2.1 基础块与图块
        3.2.2 视点与视口
        3.2.3 基础层缓存和增强层缓存
        3.2.4 图块开始下载时间
        3.2.5 全景视频块开始播放时间与传输卡顿
        3.2.6 质量评价
    3.3 基于A3C的码率自适应调度算法
        3.3.1 状态
        3.3.2 动作
        3.3.3 奖励
        3.3.4 训练方法
    3.4 对比实验
        3.4.1 数据集
        3.4.2 参数设置
        3.4.3 对比方案
        3.4.4 实验结果
    3.5 总结
第4章 多用户场景下的全景视频传输方案
    4.1 引言
    4.2 整体方案描述
        4.2.1 视频块请求
        4.2.2 请求队列
        4.2.3 图块开始下载时间
        4.2.4 全景视频块开始播放时刻与传输卡顿
        4.2.5 质量评价
    4.3 边缘缓存
    4.4 基于A3C的码率全局调度算法
        4.4.1 状态
        4.4.2 动作
        4.4.3 奖励
    4.5 对比实验
        4.5.1 数据集
        4.5.2 参数设置
        4.5.3 码率调度方案对比
        4.5.4 Fo V-Cache算法对缓存置换算法的提升效果
    4.6 总结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
指导教师对研究生学位论文的学术评语
学术论文答辩委员会决议书
致谢
攻读硕士学位期间的研究成果



本文编号：3789264