[論文レビュー] Low-Delay Adaptive Video Streaming Based on Short-Term TCP Throughput Prediction

Konstantin Miller, Abdel-Karim Al-Tamimi+1 more|arXiv (Cornell University)|Mar 10, 2015

Image and Video Quality Assessment参考文献 37被引用数 5

ひとこと要約

本稿では、短時間スパンのTCPスルーブライト予測に単純移動平均（SMA）モデルを用い、予測誤差を切り捨て正規分布およびLomax分布でモデル化することで、再バッファリングと品質の変動を最小限に抑える低遅延の適応型動画ストリーミングアルゴリズムを提案する。この手法は、再バッファリング率が約10^{-4}（30時間に1回の割合で1セグメント飛ばされる）に近いオラクル性能を達成し、特に変動が激しい無線ネットワーク環境において、固定マージン手法を上回る性能を発揮する。

ABSTRACT

Recently, HTTP-Based Adaptive Streaming has become the de facto standard for video streaming over the Internet. It allows the client to adapt media characteristics to varying network conditions in order to maximize Quality of Experience (QoE). In the case of live streaming this task becomes particularly challenging. An important factor than might help improving performance is the capability to correctly predict network throughput dynamics on short to medium timescales. It becomes notably difficult in wireless networks that are often subject to continuous throughput fluctuations. In the present work, we develop an adaptation algorithm for HTTP-Based Adaptive Live Streaming that, for each adaptation decision, maximizes a QoE-based utility function depending on the probability of playback interruptions, average video quality, and the amount of video quality fluctuations. To compute the utility function the algorithm leverages throughput predictions, and dynamically estimated prediction accuracy. We are trying to close the gap created by the lack of studies analyzing TCP throughput on short to medium timescales. We study several time series prediction methods and their error distributions. We observe that Simple Moving Average performs best in most cases. We also observe that the relative underestimation error is best represented by a truncated normal distribution, while the relative overestimation error is best represented by a Lomax distribution. Moreover, underestimations and overestimations exhibit a temporal correlation that we use to further improve prediction accuracy. We compare the proposed algorithm with a baseline approach that uses a fixed margin between past throughput and selected media bit rate, and an oracle-based approach that has perfect knowledge over future throughput for a certain time horizon.

研究の動機と目的

• 頻繁なスルーブライトの変動を伴う、非常に動的な無線ネットワーク環境における低遅延適応型動画ストリーミングの課題に対処すること。
• 再生の途切れを最小限に抑えつつ、動画品質と表現の変更のバランスを取ることで、品質体験（QoE）を向上させること。
• 適応ストリーミングにおける短～中時間スケールのTCPスルーブライト予測に関する研究のギャップを埋めること。
• 予測誤差を正確にモデル化し、それをもとに動的な適応意思決定を支援すること。
• 多様なネットワーク環境（一定および変動するスルーブライトを含む）で良好に動作する実用的な適応アルゴリズムを開発すること。

提案手法

• すべての時間スケールでより複雑なモデルを上回る性能を示すため、主に単純移動平均（SMA）をスルーブライト予測の主要手法として採用する。
• 過小予測誤差の相対分布には切り捨て正規分布、過大予測誤差の相対分布にはLomax分布を用いてモデル化する。
• 過小予測と過大予測の間の時間的相関を活用することで、予測精度を向上させる。
• 再バッファリング確率、動画品質、品質の変動ペナルティを組み合わせたQoEベースのユーティリティ関数を構築する。
• 各ストリーミングセッションごとに動的に予測誤差の境界を推定し、ビットレート適応意思決定をガイドする。
• 実際の無線ネットワークから収集したTCPスルーブライトトレースを用いて、適応性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 無線ネットワークにおける短時間スパンのTCPスルーブライト予測に最も適した時系列予測手法は何か？
• RQ2 予測誤差を正確にモデル化することで、信頼性の高い適応意思決定をどのように支援できるか？
• RQ3 過小予測誤差と過大予測誤差の間の時間的相関が、予測精度に与える影響は何か？
• RQ4 提案された予測ベースの適応アルゴリズムは、固定マージン手法およびオラクルベース手法と比較して、再バッファリングと動画品質の面でどの程度の差を示すか？
• RQ5 このアルゴリズムは、一定および非常に変動が激しいスルーブライトを含む多様なネットワーク環境でも高い性能を維持できるか？

主な発見

• 単純移動平均（SMA）手法は、その単純さにもかかわらず、あらゆる時間スケールでより複雑な予測技術を上回る性能を示す。
• 相対的過小予測誤差は切り捨て正規分布で最もよくモデル化され、相対的過大予測誤差はLomax分布で最も適切に表現される。
• 全体として過小予測と過大予測はバランスしているが、強い時間的相関を示しており、これが予測精度の向上に活用されている。
• 提案されたアルゴリズムは再バッファリング率が約10^{-4}に達し、平均して30時間に1回の割合で1セグメントが飛ばされる状況に近い性能を達成している。
• 品質の変動が抑えられているため、オラクル手法を上回る品質サブユーティリティを達成しており、優れた適応安定性を示している。
• 固定マージン手法は、提案手法の再バッファリング性能に匹敵させるために0.9以上のマージンを必要とするが、その代償として動画品質が著しく低下し、品質の変動も大きくなる。