[論文レビュー] Joint Communication and Computational Resource Allocation for QoE-driven Point Cloud Video Streaming

Jie Li, Cong Zhang+3 more|arXiv (Cornell University)|Jan 6, 2020

Computer Graphics and Visualization Techniques参考文献 15被引用数 6

ひとこと要約

本稿では、帯域幅および処理制約の下でユーザーのQoEを最大化するため、QoE駆動型のポイントクラウド動画ストリーミングにおける通信および計算リソースの共同割り当て方式を提案する。品質レベル選択（非圧縮タイルを含む）を最適化し、従来の圧縮のみの伝送と比較して高いQoEと優れたリソース利用効率を達成する。本手法は2段階最適化を採用しており、連続変数に対してKKT条件を、整数変数の意思決定に対して分枝限定法を適用する。

ABSTRACT

Point cloud video is the most popular representation of hologram, which is the medium to precedent natural content in VR/AR/MR and is expected to be the next generation video. Point cloud video system provides users immersive viewing experience with six degrees of freedom and has wide applications in many fields such as online education, entertainment. To further enhance these applications, point cloud video streaming is in critical demand. The inherent challenges lie in the large size by the necessity of recording the three-dimensional coordinates besides color information, and the associated high computation complexity of encoding. To this end, this paper proposes a communication and computation resource allocation scheme for QoE-driven point cloud video streaming. In particular, we maximize system resource utilization by selecting different quantities, transmission forms and quality level tiles to maximize the quality of experience. Extensive simulations are conducted and the simulation results show the superior performance over the existing schemes

研究の動機と目的

• 6DoFの没入型VR/ARアプリケーションにおけるポイントクラウド動画ストリーミングの高帯域幅および高計算負荷の課題に対処する。
• 復元遅延と計算リソース制約を無視する既存手法の限界を克服する。
• 通信および計算リソースの共同最適化により、ユーザーの品質体験（QoE）を最大化する。
• 異なる品質レベルの非圧縮タイルの使用を提案し、復元遅延を低減する代替手段としての有効性を示す。
• 現実的なリソース制約下で伝送効率と再生品質のバランスを取る実用的なフレームワークを構築する。

提案手法

• ポイントクラウド動画を3次元空間タイルに分割し、各タイルを複数の品質レベルでエンコードする。
• 通信および計算リソース制約の下でQoEを最大化する非線形整数計画モデルとして問題を定式化する。
• 連続緩和問題の解法にKarush-Kuhn-Tucker（KKT）条件を適用する。
• 品質レベル選択を表す整数変数の部分的最適解を求めるために分枝限定法を用いる。
• 最適化の意思決定変数として、圧縮タイルと非圧縮タイル（復元遅延ゼロ）の両方を組み込む。
• 計算リソース（コア数）および通信リソース（帯域幅）を変化させた条件下でシステムをシミュレートし、性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 ポイントクラウド動画ストリーミングにおいて、QoEを最大化するために通信および計算リソースをどのように共同で割り当てることができるか？
• RQ2 復元遅延がゼロの非圧縮タイルを含めることで、圧縮タイルのみを使用する場合と比較して、システム性能およびQoEにどのような影響を与えるか？
• RQ3 6DoFポイントクラウドストリーミングにおいて、伝送遅延と復元遅延のトレードオフがユーザー体験にどのように影響するか？
• RQ4 利用可能な帯域幅および処理能力に基づいて品質レベルを知的に選択することで、システムリソース利用効率をどの程度向上できるか？
• RQ5 本手法は、従来の圧縮のみの伝送方式と比較して、QoEおよびリソース効率の面でどの程度優れているか？

主な発見

• 本手法は、特に計算リソースが限られる状況下で、従来の圧縮のみの伝送と比較して顕著に高いQoEを達成する。
• 計算リソースが不足する状況（例：モバイルデバイス）では、非圧縮タイルの使用がベースライン手法と比較して顕著なQoE向上をもたらす。
• 帯域幅が高い場合には、高品質な圧縮タイルを優先して伝送するが、計算能力が高い場合には、より多くの圧縮タイルを送信することでリソース利用効率を向上させる。
• 計算リソースと通信リソースの使用バランスとして測定されるシステムリソース利用効率は、本手法の方が従来手法よりも一貫して高い。
• すべてのテスト構成（例：2、4、6コア；54–104 Mbps帯域幅）において、リソースが許容する限り、高品質タイル（R5）をより多く伝送するため、リソースの可用性に適応する有効な仕組みであることが示された。
• シミュレーション結果は、通信および計算リソースの共同最適化が、ポイントクラウド動画ストリーミングにおける品質、遅延、リソース効率の優れたバランスを実現することを確認している。