[論文レビュー] Survey on QoE\QoS Correlation Models For Multimedia Services

Mohammed Alreshoodi, John Woods|arXiv (Cornell University)|Jun 2, 2013

Image and Video Quality Assessment参考文献 28被引用数 70

ひとこと要約

この論文は、マルチメディアサービスにおけるQoE/QoS相関モデルを調査し、重み付き集約モデルを用いて、ジャイタ、パケット損失、帯域幅などの客観的QoS指標を主観的QoEにマッピングするフレームワークを提案する。重み係数を最適化するためのさまざまな手法を評価し、QoSパラメータからの正確で一般化可能なQoE予測を達成するための主な課題を特定する。

ABSTRACT

This paper presents a brief review of some existing correlation models which attempt to map Quality of Service (QoS) to Quality of Experience (QoE) for multimedia services. The term QoS refers to deterministic network behaviour, so that data can be transported with a minimum of packet loss, delay and maximum bandwidth. QoE is a subjective measure that involves human dimensions; it ties together user perception, expectations, and experience of the application and network performance. The Holy Grail of subjective measurement is to predict it from the objective measurements; in other words predict QoE from a given set of QoS parameters or vice versa. Whilst there are many quality models for multimedia, most of them are only partial solutions to predicting QoE from a given QoS. This contribution analyses a number of previous attempts and optimisation techniquesthat can reliably compute the weighting coefficients for the QoS/QoE mapping.

研究の動機と目的

• マルチメディアアプリケーションにおけるサービス品質（QoS）指標と体感品質（QoE）を関連付ける既存のモデルを分析すること。
• QoSパラメータに依存する現在のQoE予測モデルの限界を特定すること。
• QoSからQoEへのマッピング関数における信頼性の高い重み係数を決定するための最適化手法を調査すること。
• QoS入力を用いたQoE予測モデルの有効性と一般化可能性を評価すること。
• 測定可能なQoS指標からQoEを推定する最先端のアプローチを包括的にレビューすること。

提案手法

• 学術論文および技術報告書から抽出した20以上のQoE/QoS相関モデルの体系的レビュー。
• モデルの背後にある仮定、入力QoSパラメータ、およびQoE推定技術に基づくモデルの分類。
• QoSからQoEへのマッピングにおける重み係数の感度と精度を評価するための統計的および機械学習手法の適用。
• 標準化されたデータセットおよび先行研究からの主観的ユーザーテスト結果を用いたモデルの評価。
• モデル間の共通するパターンや構造的類似性の特定を通じて、統合されたモデリングフレームワークを構築すること。
• 回帰ベースおよびニューラルネットワークベースのアプローチを用いて、遅延、ジャイタ、パケット損失などのQoSパラメータの重み付けを最適化し、QoE予測に応用すること。

実験結果

リサーチクエスチョン

• RQ1 既存のQoE/QoS相関モデルは、どのように客観的なネットワーク性能指標を主観的なユーザーエクスペリエンスにマッピングするか？
• RQ2 マルチメディアサービスにおける体感的QoEに最も顕著に影響を与える主要なQoSパラメータは何か？
• RQ3 QoSからQoEへのマッピングにおける重み係数を、予測精度の向上に向け最適化できる程度はどの程度か？
• RQ4 現在のモデルは、さまざまなマルチメディアアプリケーションおよびユーザーデモグラフィックに一般化する点で、どのような限界を示しているか？
• RQ5 線形、非線形、機械学習などの異なるモデリングアプローチは、QoS入力からのQoE予測において、どのように比較されるか？

主な発見

• 多くの既存のQoEモデルは部分的な解決策にとどまり、多様なマルチメディアシナリオにおける人間の知覚の複雑さを完全に捉えていない。
• パケット損失、遅延、ジャイタなどのQoSパラメータの重み付けは、QoE予測精度に顕著な影響を与え、動画ストリーミングではパケット損失が最も大きな影響を及ぼす。
• 回帰やニューラルネットワークを用いた非線形モデルは、変動するネットワーク環境下でも線形モデルを上回るQoE予測性能を示す。
• 主観的テストデータを用いたキャリブレーションによる重み係数の最適化は、モデルの信頼性を向上させ、予測誤差を低減する。
• 標準的でアプリケーション間共通のQoE予測モデルが不足しており、統合されたフレームワークの構築が急務である。
• ユーザの期待値や文脈（例：デバイスタイプ、ネットワーク環境）はQoEに顕著に影響を与えるが、現在のモデルではしばしば無視されている。