[论文解读] Characterizing Internet Video for Large-scale Active Measurements

Saba Ahsan, Varun Singh+1 more|arXiv (Cornell University)|Aug 7, 2014

Image and Video Quality Assessment参考文献 15被引用 3

一句话总结

本文基于2013–2014年来自58个国家的超过13万部热门YouTube视频的大规模分析，为互联网视频的主动测量设计提供依据。研究发现，视频时长和文件大小均符合对数正态分布，且视频前3分钟即可充分代表其长期比特率变化和突发性特征，从而实现高效、具代表性的主动测量，同时避免干扰用户流量。

ABSTRACT

The availability of high definition video content on the web has brought about a significant change in the characteristics of Internet video, but not many studies on characterizing video have been done after this change. Video characteristics such as video length, format, target bit rate, and resolution provide valuable input to design Adaptive Bit Rate (ABR) algorithms, sizing playout buffers in Dynamic Adaptive HTTP streaming (DASH) players, model the variability in video frame sizes, etc. This paper presents datasets collected in 2013 and 2014 that contains over 130,000 videos from YouTube's most viewed (or most popular) video charts in 58 countries. We describe the basic characteristics of the videos on YouTube for each category, format, video length, file size, and data rate variation, observing that video length and file size fit a log normal distribution. We show that three minutes of a video suffice to represent its instant data rate fluctuation and that we can infer data rate characteristics of different video resolutions from a single given one. Based on our findings, we design active measurements for measuring the performance of Internet video.

研究动机与目标

• 为了理解互联网视频的演变特征，特别是高清（HD）转型后的变化，以指导主动测量设计。
• 为解决在大规模主动测量中，跨不同视频时长和比特率进行性能相关性分析的挑战。
• 识别能够捕捉关键视频行为的最小、最具代表性的视频时长，以实现高效测试。
• 通过识别不同视频分辨率和格式之间的相关性，实现可扩展、具代表性的主动测量。
• 通过实证的视频行为建模，支持自适应流媒体客户端和网络性能工具的设计。

提出的方法

• 利用基于地理位置的热门榜单，从58个国家收集超过13万部YouTube视频的元数据和比特率轨迹。
• 分析各类别和地区中视频时长、文件大小、分辨率、格式（MP4、WebM）以及瞬时比特率变化（突发性）的特征。
• 采用统计建模方法评估分布特性，发现时长和文件大小均符合对数正态分布。
• 测量比特率随时间的变化，以确定表征突发性的最小代表性窗口。
• 建立不同分辨率和格式之间比特率的相关性，以支持通过低分辨率视频的缩放实现高分辨率流量生成。
• 提出一种测量框架，即利用3分钟片段推断完整视频的行为，从而最小化测试时长和对网络流量的影响。

实验结果

研究问题

• RQ1 现代互联网视频的视频时长和文件大小的统计分布是什么？
• RQ2 视频的短时初始片段能够捕捉多少其比特率变化特征？
• RQ3 是否可利用单个视频的比特率特性推断其更高或更低分辨率版本的特性？
• RQ4 不同视频格式（如MP4与WebM）和分辨率在平均比特率和突发性方面相关性如何？
• RQ5 是否可采用标准化的短时测试（如3分钟）可靠地代表长视频在主动测量中的行为？

主要发现

• 所有分辨率（360p、720p、1080p）和格式（MP4、WebM）的视频时长和文件大小均符合对数正态分布。
• 视频前3分钟即可捕捉其长期比特率变化和突发性的主要特征，因此可作为主动测量的代表性窗口。
• 1080p视频的平均媒体比特率通常不超过5–7 Mbps，更高比特率的情况较为罕见。
• 不同分辨率之间的媒体比特率存在强相关性，可通过低分辨率视频的上采样实现高分辨率流量生成。
• 瞬时比特率的标准差可作为视频突发性的可靠代理指标，从而支持性能测试中的视频分类。
• 不同格式间文件大小与时长的相关性表明，MP4与WebM的平均比特率相近，因此二者均可用于性能建模。