[논문 리뷰] TAROT: Towards Optimization-Driven Adaptive FEC Parameter Tuning for Video Streaming

Jashanjot Singh Sidhu, Aman Sahu외 1명|arXiv (Cornell University)|2026. 02. 10.

Network Traffic and Congestion Control인용 수 0

한 줄 요약

TAROT은 스트리밍에서 오버헤드와 품질의 균형을 맞추기 위해 비디오 세그먼트별로 중복성, 블록 크기, 심볼화(symbolization)를 적응적으로 조정하는 최적화 주도형 교차 계층 FEC 컨트롤러를 제시한다.

ABSTRACT

Forward Error Correction (FEC) remains essential for protecting video streaming against packet loss, yet most real deployments still rely on static, coarse-grained configurations that cannot react to rapid shifts in loss rate, goodput, or client buffer levels. These rigid settings often create inefficiencies: unnecessary redundancy that suppresses throughput during stable periods, and insufficient protection during bursty losses, especially when shallow buffers and oversized blocks increase stall risk. To address these challenges, we present TAROT, a cross-layer, optimization-driven FEC controller that selects redundancy, block size, and symbolization on a per-segment basis. TAROT is codec-agnostic--supporting Reed-Solomon, RaptorQ, and XOR-based codes--and evaluates a pre-computed candidate set using a fine-grained scoring model. The scoring function jointly incorporates transport-layer loss and goodput, application layer buffer dynamics, and block-level timing constraints to penalize insufficient coverage, excessive overhead, and slow block completion. To enable realistic testing, we extend the SABRE simulator 1 with two new modules: a high-fidelity packet-loss generator that replays diverse multi-trace loss patterns, and a modular FEC benchmarking layer supporting arbitrary code/parameter combinations. Across Low-Latency Live (LLL) and Video-on-Demand (VoD) streaming modes, diverse network traces, and multiple ABR algorithms, TAROT reduces FEC overhead by up to 43% while improving perceptual quality by 10 VMAF units with minimal rebuffering, achieving a stronger overhead-quality balance than static FECs.

연구 동기 및 목표

• 손실, 유효 전송율(goodput), 버퍼 조건이 달라지는 상황에서 비디오 스트리밍의 정적 FEC 구성의 비효율성을 해결한다.
• 오버헤드–품질 트레이드오프를 최적화하기 위해 세그먼트별 매개변수를 적응시키는 교차 계층 FEC 컨트롤러를 개발한다.
• 코덱에 구애받지 않는 FEC 스킴(Reed-Solomon, RaptorQ, XOR)을 지원하고 이를 현실적인 테스트 환경에 통합한다.

제안 방법

• 고충실도 다중 트레이스 패킷 손실 생성기를 갖춘 SABRE 시뮬레이터를 확장한다.
• 임의의 코드/매개변수 조합을 허용하는 모듈식 FEC 벤치마킹 계층을 구현한다.
• 전송 손실/유효 전송율, 버퍼 동적성, 블록 타이밍 제약을 결합해 미세한 점수 모델로 사전 계산된 후보 세트를 평가한다.
• 점수 함수는 불충분한 커버리지, 과도한 오버헤드, 느린 블록 완료를 페널티로 둔다.
• 저지연 라이브(Low-Latency Live)와 VoD 모드 전반에서 네트워크 추적 variations, 서로 다른 ABR 알고리즘에 대해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 동적 네트워크 조건에서 스트리밍 효율을 개선하기 위해 세그먼트별로 FEC 매개변수를 어떻게 적응적으로 조정할 수 있는가?
• RQ2 정적 FEC 구성과 비교하여 최적화 주도형 교차 계층 FEC 컨트롤러를 사용할 때의 잠재적인 오버헤드 감소와 품질 향상은 무엇인가?
• RQ3 TAROT의 코덱에 구애받지 않는 접근 방식(RS, RaptorQ, XOR)이 다양한 스트리밍 시나리오에서 견고한 성능을 제공할 수 있는가?

주요 결과

• FEC 오버헤드는 정적 구성과 비교하여 최대 43%까지 감소한다.
• 지각적 품질이 약 10 VMAF 단위 향상된다.
• TAROT은 재버퍼링을 최소로 유지하면서 정적 FEC보다 더 강한 오버헤드-품질 균형을 달성한다.