[论文解读] QoE-Oriented Resource Allocation for 360-degree Video Transmission over Heterogeneous Networks

Wei Huang, Lianghui Ding+4 more|arXiv (Cornell University)|Mar 21, 2018

Image and Video Quality Assessment参考文献 31被引用 5

一句话总结

本文提出了一种面向异构LTE/Wi-Fi网络中360度VR视频流的端到端资源分配方案，联合优化用户与Wi-Fi接入点的关联、基于显著性与视场（FoV）预测的分片级速率分配，以及分层缓冲策略，以提升QoE。该方案通过启发式优化实现低复杂度下的高系统效用，在动态网络中优于基准方法。

ABSTRACT

Immersive media streaming, especially virtual reality (VR)/360-degree video streaming which is very bandwidth demanding, has become more and more popular due to the rapid growth of the multimedia and networking deployments. To better explore the usage of resource and achieve better quality of experience (QoE) perceived by users, this paper develops an application-layer scheme to jointly exploit the available bandwidth from the LTE and Wi-Fi networks in 360-degree video streaming. This newly proposed scheme and the corresponding solution algorithms utilize the saliency of video, prediction of users' view and the status information of users to obtain an optimal association of the users with different Wi-Fi access points (APs) for maximizing the system's utility. Besides, a novel buffer strategy is proposed to mitigate the influence of short-time prediction problem for transmitting 360-degree videos in time-varying networks. The promising performance and low complexity of the proposed scheme and algorithms are validated in simulations with various 360-degree videos.

研究动机与目标

• 为应对360°/VR视频流中高带宽需求的挑战，通过在LTE和Wi-Fi网络间优化资源使用来解决该问题。
• 联合管理用户与Wi-Fi接入点的关联以及基于显著性与预测FoV的分片级速率分配，以提升QoE。
• 通过一种新颖的缓冲管理策略，减轻短时信道波动和FoV预测误差对360°视频传输的影响。
• 在多用户、多无线接入技术（multi-RAT）环境中，设计一种低复杂度启发式算法，以求解NP难的混合整数优化问题。

提出的方法

• 系统使用显著性图来优先传输360°视频中高关注度区域，以提升其质量。
• 采用视场（FoV）预测技术识别当前用户可见的视频分片，从而实现针对性的高比特率传输。
• 提出一种联合优化框架，将用户分配至最优的Wi-Fi接入点，并在分片级别上分配LTE与Wi-Fi带宽，以最大化系统效用。
• 采用分层缓冲更新策略，根据当前信道状态和预测准确性动态调整缓冲内容，平衡重新缓冲风险与质量损失。
• 提出一种启发式搜索算法，以低计算复杂度求解NP难的混合整数优化问题。
• 该方案将基于分片的视频表示与QoE感知的速率分配相结合，优先处理视觉显著性高且可被观看的分片。

实验结果

研究问题

• RQ1 如何在多用户、多Wi-Fi接入点和视频分片之间联合优化异构网络中的资源分配，以在360°视频流中最大化QoE？
• RQ2 显著性与预测FoV对360°视频分片最优速率分配有何影响？
• RQ3 如何设计缓冲管理策略，以在时变网络条件下减少重新缓冲并维持高质量？
• RQ4 在FoV驱动的360°视频传输中，缓冲大小、预测准确率与QoE之间的权衡关系是什么？

主要发现

• 所提出的分层缓冲更新策略在减少重新缓冲与质量损失之间的权衡上优于短缓冲或长缓冲策略，从而实现更高的平均效用。
• 与基准方法相比，系统效用显著提升，尤其在信道状态波动的时变网络条件下表现更优。
• 观看高显著性区域（如大象）的用户获得更高的传输速率，尽管速率差异较小，但符合感知重要性，从而提升了QoE。
• 启发式算法在计算复杂度远低于穷举搜索的情况下，实现了接近最优的性能，使其适用于实时部署。
• 该方案通过仅在预测FoV内且显著性高的分片上分配高比特率，有效减少了带宽浪费，即使FoV大小发生变化也保持高效。
• 仿真结果表明，该方法在具有多样化观看行为和网络条件的多用户场景下，仍能维持高QoE。