[论文解读] A Content Driven Resource Allocation Scheme for Video Transmission in Vehicular Networks

Jiujiu Chen, Chunyan Feng+2 more|arXiv (Cornell University)|Sep 28, 2020

Image and Video Quality Assessment参考文献 15被引用 4

一句话总结

本文提出了一种面向车载网络中视频传输的内容驱动资源分配方案，通过优化内容质量（QoC）而非传统的QoS或QoE指标，以最大化视频内容分析性能。通过将检测准确率建模为比特率的函数，并将带宽分配问题形式化为凸优化问题，该方案在对象检测准确率和内容保留方面显著优于基于QoE和数据无关的方法。

ABSTRACT

With the growing computer vision applications, lots of videos are transmitted for content analysis, the way to allocate resources can affect the performance of video content analysis. For this purpose, the traditional resource allocation schemes for video transmission in vehicular networks, such as qualityof-service (QoS) based or quality-of-experience (QoE) based schemes, are no longer optimal anymore. In this paper, we propose an efficient content driven resource allocation scheme for vehicles equipped with cameras under bandwidth constraints in order to improve the video content analysis performance. The proposed resource allocation scheme is based on maximizing the quality-of-content (QoC), which is related to the content analysis performance. A QoC based assessment model is first proposed. Then, the resource allocation problem is converted to a solvable convex optimization problem. Finally, simulation results show the better performance of our proposed scheme than the existing schemes like QoE based schemes.

研究动机与目标

• 解决传统QoS和QoE驱动的资源分配在车载网络视频内容分析任务中性能欠佳的问题。
• 在带宽受限条件下，通过优先分配内容丰富的视频流，提升视频内容分析的准确率。
• 构建一种内容质量（QoC）模型，量化视频比特率与目标检测任务中检测准确率之间的关系。
• 制定一种资源分配策略，通过凸优化最大化整体检测准确率。
• 在动态车载环境中，证明基于QoC的方案优于现有基于QoE和数据无关的分配方法。

提出的方法

• 基于Faster R-CNN目标检测性能构建QoC模型，将检测准确率与视频比特率（QP）和编码速率关联。
• 将资源分配问题转化为凸优化问题（P2），以最大化整体正确检测概率。
• 优化问题考虑了总带宽、每辆车的速率限制以及信道状态信息（CSI），以实现动态自适应。
• 目标函数结合了检测概率和内容密度，系数由经验检测性能曲线推导得出。
• 使用标准凸求解器求解问题，实现实时适应时变信道。
• 基于新的CSI和内容分析反馈，每 $ t_e = 1 $ 秒周期性更新带宽分配。

实验结果

研究问题

• RQ1 在带宽受限条件下，基于QoC的资源分配与基于QoE的方案在目标检测准确率方面有何差异？
• RQ2 内容密度在车载视频传输中对带宽分配的公平性和效率有多大影响？
• RQ3 凸优化框架能否有效建模并求解车载网络中视频内容分析的动态带宽分配问题？
• RQ4 所提出的方案如何实时适应快速变化的信道条件？
• RQ5 优先处理高内容视频对整体检测密度和系统性能有何影响？

主要发现

• 所提出的基于QoC的方案在带宽受限条件下，整体检测准确率显著高于基于QoE和数据无关的方案。
• 车辆1因捕获的内容密度更高（如包含更多目标），获得更多的带宽，从而实现更优的检测性能。
• 该方案能有效适应时变信道，资源分配每 $ t_e = 1 $ 秒更新一次，保持高性能。
• 在所提方案下，正确检测目标的整体密度最高，表明有用的内容信息保留更佳。
• 基于QoC的分配在高带宽下表现出更平坦的检测准确率曲线，表明对可用资源的利用更高效。
• 数学上证明了优化问题的凸性，确保可通过标准求解器可靠且高效地求解。