CN108777809A - 一种全景视频分片移动网络缓存方法及系统、全景视频下载方法 - Google Patents
一种全景视频分片移动网络缓存方法及系统、全景视频下载方法 Download PDFInfo
- Publication number
- CN108777809A CN108777809A CN201810319891.5A CN201810319891A CN108777809A CN 108777809 A CN108777809 A CN 108777809A CN 201810319891 A CN201810319891 A CN 201810319891A CN 108777809 A CN108777809 A CN 108777809A
- Authority
- CN
- China
- Prior art keywords
- video
- panoramic video
- slicing
- cache
- cache node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
- H04N21/4331—Caching operations, e.g. of an advertisement for later insertion during playback
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44004—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving video buffer management, e.g. video decoder buffer or video display buffer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
Abstract
本发明公开了一种全景视频分片移动网络缓存方法及系统、全景视频下载方法。本方法为:1)在核心网EPC中设置一缓存节点,在接入网RAN的每一基站中分别设置一缓存节点;2)视频源服务器端将全景视频进行空间维度的分片,即将每一待缓存的全景视频k划分为M行N列,得到M×N个视频分片,在时间维度上将全景视频K划分为T个时间分片,表示第k个视频中第m行第n列时间为t的视频分片;确定视频k的每一的请求概率3)内容控制器根据该全景视频k的分片信息和网络开销状况,对全景视频k的视频分片进行优化计算;各缓存节点根据优化计算结果缓存全景视频分片。本发明提升了用户的观看体验。
Description
技术领域
本发明涉及一种EPC(Evolved Packet Core,核心网)和RAN(Radio AccessNetwork,接入网)协作的全景视频分片移动网络缓存方法,属于计算机软件技术领域。
背景技术
作为虚拟现实(VR,Virtual Reality)技术应用的内容承载,全景视频扮演着重要作用。对全景视频进行缓存,可以有效解决时延及带宽占用问题,但由于全景视频数据量非常大,传输全景视频时会对网络特别是无线网络造成巨大压力,导致现如今的虚拟现实应用往往不能给人带来满意的效果,特别是一些针对全景视频的VR应用,对时延要求较高,在带宽有限的移动网络中传输往往具有一定困难。
因此如何对全景视频进行缓存,不影响用户观看效果又不影响带宽占用是一亟待解决的问题。
发明内容
针对背景技术中描述的现状,本发明提出一种EPC和RAN协作的全景视频分片移动网络缓存方法。由于全景视频的特性,用户只对用户视角部分进行观看,而对整个全景视频进行缓存,会浪费有限的缓存空间,因此本发明对全景视频进行分片,在空间维度分成若干tile分片,在时间维度分成若干chunk分片,对视频分片进行缓存。
本发明主要针对全景视频在移动网络传输中遇到的时延问题,提出一种EPC和RAN协作的全景视频分片移动网络缓存技术。在LTE(Long Term Evolution)网络中,接入网RAN侧缓存距离用户近,可以最大限度节约网内流量,减轻网络压力,但缓存空间较小,用户少,缓存命中率低;核心网EPC缓存覆盖用户多,命中率高,但用户对视频的请求需要经过回程链路backhaul,会对网络造成一定压力。
本发明的技术方案为:
一种全景视频分片移动网络缓存方法,其步骤包括:
1)在核心网EPC中设置一缓存节点,在接入网RAN的每一基站中分别设置一缓存节点;
2)视频源服务器端将全景视频进行空间维度的分片,即将每一待缓存的全景视频k划分为M行N列,得到M×N个视频分片,在时间维度上将该全景视频K划分为T个时间分片,视频分片表示第k个视频中第m行第n列时间为t的视频分片;确定出该全景视频k的用户视角范围viewport,即每一视频分片的请求概率
3)内容控制器根据该全景视频k的分片信息和网络开销对该全景视频k的视频分片进行优化计算;各所述缓存节点根据优化计算结果缓存全景视频分片。
进一步的,对该全景视频k的视频分片进行缓存优化的计算方法为:
21)初始化种群数量spop、染色体长度l、交叉率pc、变异率pm和终止代数nge;初始化候选结果X来产生第一代种群;其中,候选结果X是Xt的集合,表示时间的集合,表示全景视频的集合,Xt是一组0-1变量 表示视频分片是否被缓存节点i缓存,若被缓存,则否则,第一代种群里包含有种群数量spop个个体X,每一个X都表示对K个视频全部分片的缓存优化结果;
22)每次迭代时计算当前代种群中各X的适应度值τ,若X满足约束条件,则保存当前得到的适应度值τ,若X的不满足约束条件,则将适应度值τ设置为0;选择适应度值高的若干个体X,产生下一代新种群;当种群代数g达到设定的终止代数nge,循环结束,得到适应度值最高的X,即最终的缓存优化结果。
进一步的,每次迭代时利用公式计算当前代种群中各X的适应度值τ;其中,τk(Xt)是用以计算访问全景视频k而节省的带宽的函数。
进一步的,所述适应值 其中,是缓存节点的集合,为从缓存节点i对视频分片的请求概率,表示视频分片的大小,c0为将单位大小的视频分片从视频源服务器上传输到EPC的缓存节点的带宽开销,ci为将单位大小的视频分片从EPC的缓存节点上传输到RAN缓存节点i的带宽开销,为通过缓存节点i所在基站从EPC缓存中获取视频分片可节省的带宽开销,为通过缓存节点i所在基站从缓存节点j所在基站上间接获取视频分片时可节省的最大带宽开销,分别表示在t时刻用户视觉范围viewport的顶端行数,底端行数,左端列数,右端列数。
进一步的,所述约束条件包括: 其中,Bi表示缓存节点i的最大缓存空间,wi表示从缓存节点i到用户的带宽,ws表示从视频源服务器到用户的带宽,T表示最大的传输时延。
进一步的,所述核心网EPC中的缓存节点部署在PDN网关P-GW中。
一种全景视频分片移动网络缓存系统,包括核心网EPC、与核心网EPC的服务网关连接的接入网RAN和与核心网EPC连接的视频源服务器,其特征在于,在核心网EPC中设置一缓存节点,在接入网RAN的每一基站中分别设置一缓存节点;其中,
视频源服务器,用于将全景视频进行空间维度的分片,即将每一待缓存的全景视频k划分为M行N列,得到M×N个视频分片,在时间维度上再将每个空间维度的视频分片划分为T个时间分片,视频分片表示第k个视频中第m行第n列时间为t的视频分片,并确定出该全景视频k的用户视角范围viewport,即每一视频分片的请求概率
内容控制器根据该全景视频k的分片信息和网络开销对该全景视频k的视频分片进行优化计算;各所述缓存节点根据优化计算结果缓存全景视频分片。
进一步的,所述核心网EPC初始化种群数量spop、染色体长度l、交叉率pc、变异率pm和终止代数nge;初始化候选结果X来产生第一代种群;其中,候选结果X是Xt的集合, 表示时间的集合,表示全景视频的集合,Xt是一组0-1变量表示视频分片是否被缓存节点i缓存,若被缓存,则否则,第一代种群里包含有多个个体X,每一个X都表示对K个视频全部分片的缓存优化结果;然后每次迭代时计算当前代种群中各X的适应度值τ,若X满足约束条件,则保存当前得到的适应度值τ,若X的不满足约束约束条件,则将适应度值τ设置为0;选择适应度值高的若干个体X,产生下一代新种群;当种群数目g达到设定的终止代数nge,循环结束,得到适应度值最高的X,即最终的缓存优化结果。
进一步的,所述适应值 其中,是缓存节点的集合,为从缓存节点i对视频分片的请求概率,表示视频分片的大小,c0为将单位大小的视频分片从视频源服务器上传输到EPC的缓存节点的带宽开销,ci为将单位大小的视频分片从EPC的缓存节点上传输到RAN缓存节点i的带宽开销,为通过缓存节点i所在基站从EPC缓存中获取视频分片可节省的带宽开销,为通过缓存节点i所在基站从缓存节点j所在基站上间接获取视频分片时可节省的最大带宽开销,分别表示在t时刻用户视觉范围viewport的顶端行数,底端行数,左端列数,右端列数。
一种全景视频下载方法,其步骤包括:当用户通过用户终端UE请求一部全景视频k时,该用户终端UE连接的基站首先检查本地RAN缓存是否已经缓存该全景视频k,若本地RAN缓存已有,则会通过无线接入网传输给该用户终端UE;若本地RAN缓存没有缓存该全景视频k,则将该请求会转发至EPC的缓存节点或其他的RAN缓存节点,若EPC的缓存节点或其他的RAN缓存节点已经缓存该全景视频k,则将其传输给与该用户终端UE相连的RAN缓存节点,再传输给该用户终端UE;否则将该请求发送给视频源服务器为该用户终端UE提供服务。
通过采取上述技术方案,本发明具有以下优点:
本发明方案充分利用EPC缓存与RAN缓存的优点,考虑全景视频的特性对其进行分片,针对不同关注度的全景视频分片,使用不同的缓存放置策略,优化了全景视频请求的时延,使得用户观看全景视频的体验得到提升。
附图说明
图1为EPC和RAN协作的全景视频分片移动网络缓存技术架构图。
图2为分片及viewport变化图。
图3为架构抽象图。
具体实施方式
为了使本发明的目的、技术方案及优点更加的清楚明白,以下通过实例对本发明作进一步的详细说明。
EPC和RAN协作的全景视频分片移动网络缓存技术架构如图1所示,基于移动网络的结构,在EPC中和RAN的每一个基站eNodeB中都设置有缓存,将其视为缓存节点(即EPC设置1个缓存节点,RAN中,每一个基站(eNodeB)设置1个缓存节点)。EPC缓存部署在PDN网关P-GW(PDN Gateway)中,RAN缓存部署在每个基站eNodeB中。为了提高不同视频分片的缓存命中率,本发明使用了EPC与RAN协作的全景视频缓存方案。各个缓存节点根据优化计算结果自动缓存全景视频分片。根据优化计算,在用户视角范围内的视频分片更有可能缓存在距离用户终端UE(User Equipment)更近的缓存节点。当用户通过UE请求一部全景视频时,UE连接的eNodeB首先会检查本地RAN缓存是否已经缓存,若本地RAN缓存已有,则会通过无线接入网传输给UE;若本地RAN缓存没有命中,该请求会转发至EPC缓存或其他RAN缓存节点,检查是否能为用户提供服务,若EPC缓存或其他RAN缓存节点已经缓存了,则会传输给与UE相连的RAN缓存节点,再传输给UE;若没有缓存节点能够为其服务,则该视频请求只能由视频源站为其提供服务;架构抽象图如图3。
首先在互联网的视频源服务器端将全景视频进行空间维度的tile分片,将视频k划分为M行N列,得到M×N个视频分片,视频分片表示第k个视频中,第m行第n列(0<m≤M,0<n≤N),时间为t的视频分片。其次,在时间维度上,也将全景视频划分为多个时间分片chunk。由于人眼的观看视角有限,360度全景视频不能全部同时被用户观看,用户只能看到整帧中的一部分,而这在播放设备上播放的用户能看到的全景视频的区域称为viewport,如图2斜线矩形区域所示;viewport的划定,是根据全景视频的先验概率得到。
与PDN网关相连的内容控制器,会根据分片信息执行优化算法,得到缓存优化结果。定义表示时间的集合,表示全景视频的集合。将单位大小的视频分片从Internet源站服务器上传输到EPC侧缓存的带宽开销为c0,将单位大小的视频分片从EPC缓存上传输到RAN缓存i的带宽开销为ci,将单位大小的视频分片在RAN缓存i和RAN缓存j之间传输的带宽开销记为cij。定义0-1变量来表示视频分片是否被节点i缓存。若被缓存,则否则,基于以上定义,用户获取全景视频的方式有4种:(1)如果缓存节点i能够在本地满足用户对视频分片的请求,单位节省带宽为c0+ci;(2)如果用户的请求不能由本地缓存节点i满足,但可以被其相邻的缓存节点j(i≠j)提供服务,则节省的单位带宽为c0+ci-cij;(3)如果用户的请求由EPC缓存服务,则节省的单位带宽为c0;(4)如果用户的请求只能由互联网上的源服务器为其服务,则节省的带宽为0。
接下来,本发明定义用户通过缓存节点i所在基站从EPC缓存中获取视频分片的方式可以节省的带宽开销为
用户通过缓存节点i所在基站从其他缓存节点j所在基站上间接获取视频分片可以节省的最大带宽开销为
其中,是缓存节点的集合,可以表示为也是0-1变量,表示对视频分片的请求是否从缓存节点i转发给缓存节点j。
基于以上分析,本发明以全景视频传输带宽为优化的代价。与去源站获取相比,可以节省的总的带宽开销τ为:
其中,τk(·)是用以计算访问全景视频k而节省的带宽的函数。分别表示在t时刻viewport的顶端行数,底端行数,左端列数和右端列数,即这四个参数共同划定了t时刻viewport的范围。Xt是一组0-1变量可以表示为
表示视频分片的大小,从缓存节点i对视频分片的请求概率可以表示为
其中表示从基站i访问全景视频k的概率,表示对全景视频k中视频分片的访问概率,可以通过全景视频viewport的流行度得到。
最终,这个最大化节省带宽的缓存优化问题可以表示为
Bi表示第i个缓存节点的最大缓存空间,wi,ws分别表示从缓存节点i到用户和从视频源站到用户的带宽。T表示最大的传输时延。
其中,第一个约束条件公式(7)是对每个缓存节点的缓存空间的约束,确保每个缓存节点缓存的视频分片的数目不超过该节点的最大缓存空间。第二个约束条件公式(8)是表示视频分片的不可分割,1和0分别表示缓存节点是否缓存该视频分片。第三个约束条件公式(9)是针对时延的约束,要求用户对viewport视角内的视频请求的时延,不大于最大的传输时延T。在缓存系统中,由于不同的视频分片可能缓存在不同地理位置的缓存节点,其传输距离是不同的,因此,视角viewport视频的传输时延,是由该视角内时延最大的视频分片的时延决定的。
由以上分析可知,此问题是一个0-1背包问题,而0-1背包问题是一种NP-hard问题。针对上述问题,可以使用基因算法来求取全景视频分片的缓存放置方案。
该问题最终的优化结果是对所有视频拥有最高适应度的的集合X。本发明使用二进制编码串X作为染色体来表示基因算法的搜索空间。染色体的长度l表示0-1变量在一种结果X中的数量。
首先,初始化种群数量spop,染色体长度l,交叉率pc,变异率pm和终止条件(固定的代数nge)。接着,通过初始化候选结果X来产生第一代种群,这个过程随机得到种群数量spop个X。然后,进行循环。循环的内容是使用(3)计算当前代种群中各X的适应度值τ(每一个X都表示对K个视频全部分片的缓存优化结果,都能算出一个适应度值),若X满足约束(7)(8)(9),则根据(3)得到适应度值τ,若X的不满足约束(7)(8)(9),则将适应度值τ设置为0;根据适应度值对同一代种群中各个体X进行降序排列,使用轮盘赌算法选择适应度高的部分个体,用于产生新种群的个体;计算spop×pc和spop×pm得到交叉数量和变异数量,先执行交叉操作,然后对交叉完的结果执行变异操作,产生新种群;种群代数g自增。直到种群代数g达到nge,循环结束,得到适应度值最高的X。该X即为全景视频集合在EPC和RAN中的协作分片缓存优化结果。
显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (10)
1.一种全景视频分片移动网络缓存方法,其步骤包括:
1)在核心网EPC中设置一缓存节点,在接入网RAN的每一基站中分别设置一缓存节点;
2)视频源服务器端将全景视频进行空间维度的分片,即将每一待缓存的全景视频k划分为M行N列,得到M×N个视频分片,在时间维度上将该全景视频K划分为T个时间分片,视频分片表示第k个视频中第m行第n列时间为t的视频分片;确定出该全景视频k的用户视角范围viewport,即每一视频分片的请求概率
3)内容控制器根据该全景视频k的分片信息和网络开销状况对该全景视频k的视频分片进行优化计算;各所述缓存节点根据优化计算结果缓存全景视频分片。
2.如权利要求1所述的方法,其特征在于,对该全景视频k的视频分片进行缓存优化的计算方法为:
21)初始化种群数量spop、染色体长度l、交叉率pc、变异率pm和终止代数nge;初始化候选结果X来产生第一代种群;其中,候选结果X是Xt的集合,表示时间的集合,表示全景视频的集合,Xt是一组0-1变量 表示视频分片是否被缓存节点i缓存,若被缓存,则否则,第一代种群里包含有种群数量spop个个体X,每一个X都表示对K个视频全部分片的缓存优化结果;
22)每次迭代时计算当前代种群中各X的适应度值τ,若X满足约束条件,则保存当前得到的适应度值τ,若X的不满足约束条件,则将适应度值τ设置为0;选择适应度值高的若干个体X,产生下一代新种群;当种群代数g达到设定的终止代数nge,循环结束,得到适应度值最高的X,即最终的缓存优化结果。
3.如权利要求2所述的方法,其特征在于,每次迭代时利用公式计算当前代种群中各X的适应度值τ;其中,τk(Xt)是用以计算访问全景视频k而节省的带宽的函数。
4.如权利要求2或3所述的方法,其特征在于,所述适应值 其中,是缓存节点的集合,为从缓存节点i对视频分片的请求概率,表示视频分片的大小,c0为将单位大小的视频分片从视频源服务器上传输到EPC的缓存节点的带宽开销,ci为将单位大小的视频分片从EPC的缓存节点上传输到RAN缓存节点i的带宽开销,为通过缓存节点i所在基站从EPC缓存中获取视频分片可节省的带宽开销,为通过缓存节点i所在基站从缓存节点j所在基站上间接获取视频分片时可节省的最大带宽开销,分别表示在t时刻用户视觉范围viewport的顶端行数,底端行数,左端列数,右端列数。
5.如权利要求2所述的方法,其特征在于,所述约束条件包括:m∈{1,2,…,M},n∈{1,2,…,N};其中,Bi表示缓存节点i的最大缓存空间,wi表示从缓存节点i到用户的带宽,ws表示从视频源服务器到用户的带宽,T表示最大的传输时延。
6.如权利要求1所述的方法,其特征在于,所述核心网EPC中的缓存节点部署在PDN网关P-GW中。
7.一种全景视频分片移动网络缓存系统,包括核心网EPC、与核心网EPC的服务网关连接的接入网RAN和与核心网EPC连接的视频源服务器,其特征在于,在核心网EPC中设置一缓存节点,在接入网RAN的每一基站中分别设置一缓存节点;其中,
视频源服务器,用于将全景视频进行空间维度的分片,即将每一待缓存的全景视频k划分为M行N列,得到M×N个视频分片,在时间维度上再将每个空间维度的视频分片划分为T个时间分片,视频分片表示第k个视频中第m行第n列时间为t的视频分片,并确定出该全景视频k的用户视角范围viewport,即每一视频分片的请求概率
内容控制器根据该全景视频k的分片信息和网络开销状况对该全景视频k的视频分片进行优化计算;各所述缓存节点根据优化计算结果缓存全景视频分片。
8.如权利要求7所述的系统,其特征在于,所述核心网EPC初始化种群数量spop、染色体长度l、交叉率pc、变异率pm和终止代数nge;初始化候选结果X来产生第一代种群;其中,候选结果X是Xt的集合,表示时间的集合,表示全景视频的集合,Xt是一组0-1变量 表示视频分片是否被缓存节点i缓存,若被缓存,则否则,第一代种群里包含有多个个体X,每一个X都表示对K个视频全部分片的缓存优化结果;然后每次迭代时计算当前代种群中各X的适应度值τ,若X满足约束条件,则保存当前得到的适应度值τ,若X的不满足约束条件,则将适应度值τ设置为0;选择适应度值高的若干个体X,产生下一代新种群;当种群数目g达到设定的终止代数nge,循环结束,得到适应度值最高的X,即最终的缓存优化结果。
9.如权利要求7所述的系统,其特征在于,所述适应值 其中,是缓存节点的集合,为从缓存节点i对视频分片的请求概率,表示视频分片的大小,c0为将单位大小的视频分片从视频源服务器上传输到EPC的缓存节点的带宽开销,ci为将单位大小的视频分片从EPC的缓存节点上传输到RAN缓存节点i的带宽开销,为通过缓存节点i所在基站从EPC缓存中获取视频分片可节省的带宽开销,为通过缓存节点i所在基站从缓存节点j所在基站上间接获取视频分片时可节省的最大带宽开销,分别表示在t时刻用户视觉范围viewport的顶端行数,底端行数,左端列数,右端列数。
10.一种基于权利要求1所述全景视频分片移动网络缓存的全景视频下载方法,其步骤包括:当用户通过用户终端UE请求一部全景视频k时,该用户终端UE连接的基站首先检查本地RAN缓存是否已经缓存该全景视频k,若本地RAN缓存已有,则会通过无线接入网传输给该用户终端UE;若本地RAN缓存没有缓存该全景视频k,则将该请求转发至EPC的缓存节点或其他的RAN缓存节点,若EPC的缓存节点或其他的RAN缓存节点已经缓存该全景视频k,则将其传输给与该用户终端UE相连的RAN缓存节点,再传输给该用户终端UE;否则将该请求发送给视频源服务器为该用户终端UE提供服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810319891.5A CN108777809B (zh) | 2018-04-11 | 2018-04-11 | 一种全景视频分片移动网络缓存方法及系统、全景视频下载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810319891.5A CN108777809B (zh) | 2018-04-11 | 2018-04-11 | 一种全景视频分片移动网络缓存方法及系统、全景视频下载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108777809A true CN108777809A (zh) | 2018-11-09 |
CN108777809B CN108777809B (zh) | 2020-08-21 |
Family
ID=64033866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810319891.5A Active CN108777809B (zh) | 2018-04-11 | 2018-04-11 | 一种全景视频分片移动网络缓存方法及系统、全景视频下载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108777809B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111225293A (zh) * | 2018-11-23 | 2020-06-02 | 深圳市中兴微电子技术有限公司 | 一种视频数据处理方法、装置以及计算机存储介质 |
CN112202802A (zh) * | 2020-10-10 | 2021-01-08 | 中国科学技术大学 | C-ran架构中基于强化学习的vr视频多级缓存方法和系统 |
CN112202800A (zh) * | 2020-10-10 | 2021-01-08 | 中国科学技术大学 | C-ran架构中基于强化学习的vr视频边缘预取方法和系统 |
CN113079385A (zh) * | 2021-03-18 | 2021-07-06 | 中国电子科技集团公司第五十四研究所 | 一种基于用户感知的混合式瓦片缓存方法 |
CN115174943A (zh) * | 2022-07-08 | 2022-10-11 | 叠境数字科技(上海)有限公司 | 一种边云协同及客户端自适应的自由视角播放方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104735464A (zh) * | 2015-03-31 | 2015-06-24 | 华为技术有限公司 | 一种全景视频交互传输方法、服务器和客户端 |
CN105898254A (zh) * | 2016-05-17 | 2016-08-24 | 亿唐都科技(北京)有限公司 | 节省带宽的vr全景视频布局方法、装置及展现方法、系统 |
CN105979274A (zh) * | 2016-05-06 | 2016-09-28 | 上海交通大学 | 动态自适应视频流媒体的分布式缓存放置方法 |
CN106101847A (zh) * | 2016-07-12 | 2016-11-09 | 三星电子(中国)研发中心 | 全景视频交互传输的方法和系统 |
CN107315471A (zh) * | 2017-06-11 | 2017-11-03 | 成都吱吖科技有限公司 | 一种基于虚拟现实的交互式全景视频实现方法及装置 |
-
2018
- 2018-04-11 CN CN201810319891.5A patent/CN108777809B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104735464A (zh) * | 2015-03-31 | 2015-06-24 | 华为技术有限公司 | 一种全景视频交互传输方法、服务器和客户端 |
CN105979274A (zh) * | 2016-05-06 | 2016-09-28 | 上海交通大学 | 动态自适应视频流媒体的分布式缓存放置方法 |
CN105898254A (zh) * | 2016-05-17 | 2016-08-24 | 亿唐都科技(北京)有限公司 | 节省带宽的vr全景视频布局方法、装置及展现方法、系统 |
CN106101847A (zh) * | 2016-07-12 | 2016-11-09 | 三星电子(中国)研发中心 | 全景视频交互传输的方法和系统 |
CN107315471A (zh) * | 2017-06-11 | 2017-11-03 | 成都吱吖科技有限公司 | 一种基于虚拟现实的交互式全景视频实现方法及装置 |
Non-Patent Citations (1)
Title |
---|
HAIXIA WANG, RONGPENG LI, LU FAN, AND HONGGANG ZHANG: "Joint Computation Offloading and Data Caching with Delay Optimization in Mobile-Edge Computing Systems", 《2017 9TH INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS ANDSIGNAL PROCESSING(WCSP)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111225293A (zh) * | 2018-11-23 | 2020-06-02 | 深圳市中兴微电子技术有限公司 | 一种视频数据处理方法、装置以及计算机存储介质 |
CN111225293B (zh) * | 2018-11-23 | 2023-10-03 | 深圳市中兴微电子技术有限公司 | 一种视频数据处理方法、装置以及计算机存储介质 |
CN112202802A (zh) * | 2020-10-10 | 2021-01-08 | 中国科学技术大学 | C-ran架构中基于强化学习的vr视频多级缓存方法和系统 |
CN112202800A (zh) * | 2020-10-10 | 2021-01-08 | 中国科学技术大学 | C-ran架构中基于强化学习的vr视频边缘预取方法和系统 |
CN113079385A (zh) * | 2021-03-18 | 2021-07-06 | 中国电子科技集团公司第五十四研究所 | 一种基于用户感知的混合式瓦片缓存方法 |
CN115174943A (zh) * | 2022-07-08 | 2022-10-11 | 叠境数字科技(上海)有限公司 | 一种边云协同及客户端自适应的自由视角播放方法及系统 |
CN115174943B (zh) * | 2022-07-08 | 2023-10-31 | 叠境数字科技(上海)有限公司 | 一种边云协同及客户端自适应的自由视角播放方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108777809B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108777809A (zh) | 一种全景视频分片移动网络缓存方法及系统、全景视频下载方法 | |
Guo et al. | An adaptive wireless virtual reality framework in future wireless networks: A distributed learning approach | |
CN109857546B (zh) | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 | |
CN110418416B (zh) | 移动边缘计算系统中基于多智能体强化学习的资源分配方法 | |
CN110098969B (zh) | 一种面向物联网的雾计算任务卸载方法 | |
CN110062357B (zh) | 一种基于强化学习的d2d辅助设备缓存系统及缓存方法 | |
CN109587519B (zh) | 基于q学习的异构网络多径视频传输控制系统及方法 | |
CN111866601B (zh) | 一种基于合作博弈的移动边缘场景中的视频码率决策方法 | |
Papaioannou et al. | Tile-based caching optimization for 360 videos | |
CN107708152B (zh) | 异构蜂窝网络的任务卸载方法 | |
CN105979274A (zh) | 动态自适应视频流媒体的分布式缓存放置方法 | |
CN107295619B (zh) | 一种边缘缓存网络中基于用户连接矩阵的基站休眠方法 | |
CN114205791A (zh) | 一种基于深度q学习的社交感知d2d协同缓存方法 | |
CN112995636A (zh) | 基于边缘计算和主动缓存的360度虚拟现实视频传输系统及参数优化方法 | |
CN112040512B (zh) | 一种基于公平的雾计算任务卸载方法及系统 | |
CN107820278B (zh) | 蜂窝网络时延与成本均衡的任务卸载方法 | |
Deng et al. | Deep-reinforcement-learning-based resource allocation for cloud gaming via edge computing | |
CN113038187A (zh) | 一种视频体验质量公平的实用网络带宽分配方法 | |
CN113810931A (zh) | 一种面向移动边缘计算网络的自适应视频缓存方法 | |
CN116963182A (zh) | 时延最优任务卸载方法、装置、电子设备和存储介质 | |
Chen et al. | Popularity-aware 360-degree video streaming | |
CN106686399B (zh) | 一种基于联合缓存架构的网络内视频缓存方法 | |
Yu et al. | Co-optimizing latency and energy with learning based 360 video edge caching policy | |
Wang et al. | Robust saliency-driven quality adaptation for mobile 360-degree video streaming | |
CN113778550A (zh) | 一种基于移动边缘计算的任务卸载系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |