Rekenaarwetenskaplikes skep 'n 'laboratorium' om video te verbeter

In hierdie dae van sosiale distansie, terwyl miljoene mense tuis sit om TV oor die internet te sien, het Stanford-navorsers 'n algoritme onthul wat 'n aansienlike verbetering in die streaming videotegnologie toon.

Hierdie nuwe algoritme, genaamd Fugu, is ontwikkel met behulp van vrywillige kykers wat na 'n stroom video gekyk het, wat bedien is deur rekenaarwetenskaplikes wat masjienleer gebruik het om die datavloei in reële tyd te ondersoek en op soek na maniere om foute en stalletjies te verminder.

In 'n wetenskaplike artikel beskryf die navorsers hoe hulle 'n algoritme geskep het wat net soveel data uitstoot as wat die internetverbinding van die kyker kan ontvang sonder dat dit die kwaliteit benadeel.

Francis Stream, 'n doktorale kandidaat in rekenaarwetenskap en die eerste skrywer van die referaat, ontvang die USENIX NSDI Community Award vir 2020, "stroomop, die vermyding van stalletjies hang baie af van hierdie algoritmes.

Baie van die heersende stelsels vir stroomvideo is gebaseer op iets wat die Buffer-gebaseerde algoritme genoem word, bekend as BBA, wat sewe jaar gelede ontwikkel is deur die destydse Stanford-student Te-Yuan Huang, saam met die professore Nick McKeown en Ramesh Johari.

BBA vra bloot die kyker se toestel hoeveel video dit in die buffer het. Byvoorbeeld, as dit minder as 5 sekondes gestoor is, stuur die algoritme beeldmateriaal van laer gehalte om te voorkom teen onderbrekings. As die buffer meer as 15 sekondes gestoor het, stuur die algoritme die video van die hoogste gehalte moontlik. As die getal tussenin val, pas die algoritme die kwaliteit dienooreenkomstig aan.

Alhoewel BBA en soortgelyke algoritmes wydverspreid in die industrie voorkom, is daar deur die jare deur navorsers herhaaldelike pogings aangewend om meer gesofistikeerde algoritmes te ontwikkel met behulp van masjienleer - 'n vorm van kunsmatige intelligensie waarin rekenaars hulself leer om 'n proses te optimaliseer.

Maar in 'n moderne variasie van die ou vullis-in-vullis-rekenaaradvertensie, is hierdie masjienleer-algoritmes gewoonlik gesimuleerde data om van te leer, eerder as die ware ding wat op die regte internet gelewer word. Daarin lê 'n probleem.

Keith Winstein, 'n assistent-professor in rekenaarwetenskap wat toesig gehou het oor die projek en Yan adviseer het, saam met sy medeprofessor in rekenaarwetenskap en elektriese ingenieurswese, Philip Levis, het gesê: "Die internet blyk 'n baie slordiger plek te wees as wat ons simulasies kan modelleer. "Wat Francis gevind het, is dat daar 'n kloof kan wees tussen die maak van een van hierdie algoritmes in simulasie en om dit op die regte internet te laat werk."

Om 'n realistiese mikrokosmos van die TV-kykwêreld te skep, het die span van Winstein 'n antenna opgerig op die Stanford's Packard-gebou om gratis, oor die lug uitgesaai seine in te haal wat hulle dan saamgepers en gestroom het na vrywilligers wat aan die navorsingsprojek deelgeneem het. , bekend as Puffer. Aan die einde van 2018 het die vrywilligers TV-programme via Puffer gestroom en gekyk, en die rekenaarwetenskaplikes het terselfdertyd die datastroom gemonitor met behulp van hul eie algoritme vir masjienleer, Fugu, en vier ander toonaangewende aanspraakmakers, waaronder BBA, wat opgelei is om hul prestasie aan te pas op grond van die werklike kwaliteitstoestande wat die kykers ervaar het.

Aan die begin van hul stroom het elke kyker willekeurig een van die vyf streaming-algoritmes toegeken en die Stanford-span het stroomdata opgeteken soos die gemiddelde videokwaliteit, die aantal stalletjies en die tydsduur waarop die kyker ingestel het.

Die resultate stem nie saam met vroeëre navorsingstudies wat op simulasies of op kleiner toetse gebaseer is nie. Toe die vermoedelik gesofistikeerde masjienleer-algoritmes in die regte wêreld teen BBA getoets is, het die eenvoudiger standaard sy eie gehou. Aan die einde van die proefneming het Fugu egter beter gevaar as die ander algoritmes - insluitend BBA - wat betref die minste onderbrekingstyd, die hoogste beeldoplossing en die konsekwentheid van videokwaliteit. Boonop lyk dit asof die verbeterings die kykers in staat stel om tred te hou. Kykers wat op video's met Fugu-voer gevoer word, is gemiddeld 5-9% langer as ander getoetsde algoritmes.

"Ons het 'n paar verrassende maniere gevind waarop die regte wêreld van simulasie verskil, en hoe masjienleer soms misleidende resultate kan oplewer. Dit is opwindend in die opsig dat dit baie interessante uitdagings is wat opgelos moet word," sê Winstein.

Los 'n boodskap 

Naam *

E-posadres *

Kontak

Adres

kode

Boodskap

 

boodskap Lys