[논문 리뷰] Survey on QoE\QoS Correlation Models For Multimedia Services

Mohammed Alreshoodi, John Woods|arXiv (Cornell University)|2013. 06. 02.

Image and Video Quality Assessment참고 문헌 28인용 수 70

한 줄 요약

이 논문은 멀티미디어 서비스에 대한 기존의 QoE/QoS 상관관계 모델을 조사하며, 가중치가 부여된 집합 모델을 사용하여 객관적 QoS 지표(예: 지터, 패킷 손실, 대역폭)를 주관적 QoE로 매핑하는 프레임워크를 제안한다. 다양한 가중치 계수 최적화 기법을 평가하고, QoS 파ameters로부터 정확하고 일반화 가능한 QoE 예측을 달성하는 데 있어 핵심 과제를 규명한다.

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.

연구 동기 및 목표

• 멀티미디어 응용 프로그램에서 서비스 품질(QoS) 지표와 경험 품질(QoE) 간의 상관관계를 가지는 기존 모델을 분석하기.
• 현재 QoS 파ameters에만 의존하는 QoE 예측 모델의 한계를 규명하기.
• QoS에서 QoE로의 매핑 함수에 사용되는 신뢰할 수 있는 가중치 계수를 결정하기 위한 최적화 기법을 조사하기.
• QoS 입력 기반의 다양한 QoE 예측 모델의 효과성과 일반화 능력을 평가하기.
• 측정 가능한 QoS 지표로부터 QoE 추정을 위한 최신 기법들을 종합적으로 검토하기.

제안 방법

• 학술 논문 및 기술 보고서에서 유래한 20개 이상의 QoE/QoS 상관관계 모델에 대한 체계적 검토.
• 모델의 기초 가정, 입력 QoS 파ameters, QoE 추정 기법을 기반으로 모델를 분류하기.
• QoS에서 QoE로의 매핑에서 가중치 계수의 민감도와 정확도를 평가하기 위해 통계적 및 머신러닝 기법 적용하기.
• 이전 연구에서 확보한 표준화된 데이터셋과 주관적 사용자 테스트 결과를 사용하여 모델 평가하기.
• 모델 간 공통적인 패턴과 구조적 유사성을 규명하여 통합된 모델링 프레임워크를 도출하기.
• QoE 예측을 위한 QoS 파ameters(예: 지연, 지터, 패킷 손실)의 가중치 최적화를 위해 회귀 기반 및 신경망 기반 접근법 사용하기.

실험 결과

연구 질문

• RQ1 기존의 QoE/QoS 상관관계 모델은 객관적인 네트워크 성능 지표를 주관적인 사용자 경험으로 어떻게 매핑하는가?
• RQ2 멀티미디어 서비스에서 인지되는 QoE에 가장 크게 영향을 주는 핵심 QoS 파ameters는 무엇인가?
• RQ3 QoS에서 QoE로의 매핑 모델에서 가중치 계수를 얼마나 최적화할 수 있으며, 이는 예측 정확도 향상에 얼마나 기여하는가?
• RQ4 현재 모델들이 다양한 멀티미디어 응용 프로그램과 사용자 인구 통계에 걸쳐 일반화하는 데에 얼마나 한계가 있는가?
• RQ5 선형, 비선형, 머신러닝 등 다양한 모델링 접근법은 QoS 입력에서 QoE를 예측하는 데 어떻게 비교되는가?

주요 결과

• 대부분의 기존 QoE 모델은 다양한 멀티미디어 시나리오에서 인간의 인지 복잡성을 완전히 반영하지 못하는 부분적인 해결책이다.
• 패킷 손실, 지연, 지터와 같은 QoS 파ameters의 가중치 설정은 QoE 예측 정확도에 상당한 영향을 미치며, 특히 영상 스트리밍에서 패킷 손실의 영향력이 가장 크다.
• 특히 회귀 또는 신경망을 사용하는 비선형 모델은 다양한 네트워크 조건에서 선형 모델보다 QoE 예측 성능이 뛰어나다.
• 주관적 테스트 데이터를 활용한 캘리브레이션을 통한 가중치 계수 최적화는 모델의 신뢰성 향상과 예측 오차 감소에 기여한다.
• 표준화되고 응용 간 보편적인 QoE 예측 모델의 부재는 통합 프레임워크의 필요성을 드러낸다.
• 사용자 기대치와 맥락(예: 기기 유형, 네트워크 환경)은 QoE에 상당한 영향을 미치지만, 현재 모델에서는 자주 간과된다.