KR101982290B1 - 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법 - Google Patents

적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법 Download PDF

Info

Publication number
KR101982290B1
KR101982290B1 KR1020180024064A KR20180024064A KR101982290B1 KR 101982290 B1 KR101982290 B1 KR 101982290B1 KR 1020180024064 A KR1020180024064 A KR 1020180024064A KR 20180024064 A KR20180024064 A KR 20180024064A KR 101982290 B1 KR101982290 B1 KR 101982290B1
Authority
KR
South Korea
Prior art keywords
quality
segment
buffer
rate
video
Prior art date
Application number
KR1020180024064A
Other languages
English (en)
Inventor
정광수
박지우
김민수
Original Assignee
광운대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 광운대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020180024064A priority Critical patent/KR101982290B1/ko
Application granted granted Critical
Publication of KR101982290B1 publication Critical patent/KR101982290B1/ko

Links

Images

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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2402—Monitoring of the downstream path of the transmission network, e.g. bandwidth available
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2401—Monitoring of the client buffer

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법이 개시된다. 상기 적응적 스트리밍 시스템 및 방법은 적응적 스트리밍 서비스의 체감 품질(QoE, Quality of Experience)을 향상하기 위한 콘텐츠 특성으로써 요청할 세그먼트의 크기, 네트워크 대역폭, 그리고 버퍼 점유율을 사용하여 비디오 품질(bitrate)을 조절함으로써 재생 끊김과 불필요한 품질 변경을 최소화하는 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반의 스트리밍 시스템 및 방법에 관한 것이다.

Description

적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법{Streaming system and method based on contents characteristic for improving perceived quality of adaptive streaming service}
본 발명은 적응적 스트리밍 시스템 및 방법에 관한 것으로, 보다 상세하게는 적응적 스트리밍 서비스의 체감 품질 향상(QoE, Quality of Experience)을 위한 콘텐츠 특성으로써 요청할 세그먼트(segment)의 크기, 네트워크 대역폭, 그리고 버퍼 점유율을 사용하여 비디오 품질(bitrate)을 조절함으로써 재생 끊김과 불필요한 품질 변경을 최소화하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반의 스트리밍 시스템 및 방법에 관한 것이다.
비디오 스트리밍 서비스 제공 시스템은 네트워크 수용능력 이상으로 과부하 트래픽이 발생하는 경우 패킷 지연(packet delay), 패킷 로스(packet loss), 지터(jitter) 등에 의해 비디오의 서비스 품질(QoS)이 떨어져 재생 장치에서 이를 시청하는 사용자 체감 품질이 떨어지게 된다.
최근, 비디오 스트리밍 서비스에 대한 사용자들이 증가함에 따라 대역폭이 제한된 이기종 네트워크에서 끊김 없는 비디오를 제공하며, 사용자 체감 품질을 높이기 위해 네트워크 인지 기술을 사용하는 적응적 비디오 스트리밍 기술이 등장하였다.
적응적 비디오 스트리밍 서버는 다양한 비트율의 비디오를 세그먼트 단위로 분할하여 저장하고 각 세그먼트의 URL 및 비디오 정보를 메타데이터(metadata)로 정의한다. 적응적 비디오 스트리밍 재생 장치는 초기 스트리밍 세션에서 메타데이터를 수신하고 이를 분석하여 네트워크 상황에 적절한 세그먼트를 요청한다.
그러나, 기존 적응적 비디오 스트리밍 서비스는 품질 선택 시 대역폭 측정값과 재생 장치의 버퍼만을 고려하므로 콘텐츠 특성 및 재생 장치 특성을 고려하지 않아 대역폭 낭비 또는 비디오 끊김 현상이 발생할 수 있다. 대역폭 낭비 문제는 재생 장치가 표현할 수 있는 픽셀 및 비트율을 초과하는 비디오를 요청하는 경우 발생한다.
비디오 끊김 현상은 변화하는 프레임이 많은 콘텐츠의 경우, 순간 비트율이 높아 해당 세그먼트 수신 시 높은 지연이 발생하여 끊김 현상이 발생한다. 비디오 스트리밍 서비스를 이용하는 사용자의 체감 품질을 향상시키기 위해 콘텐츠, 재생 장치, 네트워크 특징을 이용하여 끊김 없는 스트리밍 서비스를 제공하는 기술이 요구된다.
이와 관련된 선행기술1로써 특허등록번호 10-1718127에서는 "상황 인지 적응적 스트리밍 서비스를 위한 콘텐츠 패키징 시스템 및 스트리밍 방법"이 개시된다.
상황 인지 적응적 스트리밍 서비스를 위한 콘텐츠 패키징 시스템은 네트워크에서 끊김 없는 비디오 서비스를 제공하고 사용자 체감 품질을 높이기 위해 적응적 비디오 스트리밍 기술을 적용하여 콘텐츠 생성 완료 시 또는 외부 입력 시 상황 인지 기반 적응적 스트리밍 서비스를 위한 트랜스코딩 및 세그먼트 기능을 포함하고, 적응적 스트리밍 형식으로 변환하여 네트워크, 재생 장치, 콘텐츠의 상황 정보를 분석 후에 비디오 콘텐츠를 트랜스코딩하고, 상황 정보를 기반으로 트랜스스코딩하며, 트랜스코딩 된 콘텐츠들을 세그먼팅 수행 후 각 세그먼팅 된 콘텐츠들의 콘텐츠 정보 및 URL을 표시하는 메타데이터를 생성하고, 그리고 트랜스코딩된 세그먼팅이 완료된 비디오 콘텐츠의 메타데이터와 식별자(ID)를 포함하는 상황 정보를 삽입하여 전달하는 적응적 비디오 스트리밍 서버; 및 유무선 네트워크를 통해 단말, 네트워크, 콘텐츠의 상황 정보를 수집하고 메타데이터의 서버의 네트워크 특성, 재생 장치 자체 정보, 콘텐츠 특성을 분석하여 네트워크 인지, 재생 장치 인지, 및 콘텐츠 인지를 통해 측정된 네트워크 대역폭, 재생 가능한 콘텐츠 목록, 및 콘텐츠 특성을 기반으로 끊김 없는 스트리밍을 수행하기 위한 적절한 품질의 세그먼트를 요청하여 미디어 서비스의 품질(QoS/QoE)을 보장하는 상황 인지 기반 적응적 비디오 스트리밍 재생 장치를 포함한다.
도 1은 종래의 상황 인지 기반 적응적 비디오 스트리밍 서비스의 구성도이다. 상황 인지 기반 적응적 스트리밍 서비스를 위한 콘텐츠 패키징 시스템은 네트워크에서 끊김 없는 비디오 서비스를 제공하고 사용자 체감 품질을 높이기 위해 적응적 비디오 스트리밍 기술을 적용하여 콘텐츠 생성 완료 시 또는 외부 입력 시 상황 인지 기반 적응적 스트리밍 서비스를 위한 트랜스코딩 및 세그먼트 기능을 포함하고, 적응적 스트리밍 형식으로 변환하여 네트워크, 재생 장치, 콘텐츠의 상황 정보를 분석 후에 비디오 콘텐츠를 트랜스코딩하고, 상황 정보를 기반으로 트랜스스코딩하며, 트랜스코딩 된 콘텐츠들을 세그먼팅 수행 후 각 세그먼팅 된 콘텐츠들의 콘텐츠 정보 및 URL을 표시하는 메타데이터를 생성하고, 그리고 트랜스코딩된 세그먼팅이 완료된 비디오 콘텐츠의 메타데이터와 식별자(ID)를 포함하는 상황 정보를 삽입하여 전달하는 적응적 비디오 스트리밍 서버(100); 및
유무선 네트워크를 통해 단말, 네트워크, 콘텐츠의 상황 정보를 수집하고 메타데이터의 서버의 네트워크 특성, 재생 장치 자체 정보, 콘텐츠 특성을 분석하여 네트워크 인지, 재생 장치 인지, 및 콘텐츠 인지를 통해 측정된 네트워크 대역폭, 재생 가능한 콘텐츠 목록, 및 콘텐츠 특성을 기반으로 끊김 없는 스트리밍을 수행하기 위한 적절한 품질의 세그먼트를 요청하여 미디어 서비스의 품질(QoS/QoE)을 보장하는 상황 인지 기반 적응적 비디오 스트리밍 재생 장치(200)를 포함한다.
적응적 비디오 스트리밍 재생 장치(200)는 이동통신 단말기, 스마트폰, 태블릿 PC, IPTV 단말기(STB+TV) 등이 사용된다.
적응적 비디오 스트리밍 서버(100)는 상황 정보 분석 모듈(110), 상황 정보 삽입 모듈(120), 콘텐츠 트랜스코딩 모듈(130), 그리고 콘텐츠 세그먼팅 모듈(140)을 포함한다.
상황 정보 분석 모듈(110)은 서버의 최대 대역폭, 최소 대역폭, 그리고 서버에 연결할 수 있는 최대 재생 장치의 개수를 분석하는 네트워크 특성 인지 기능, 트랜스코딩 및 세그먼팅 수행이 완료된 콘텐츠의 프레임율, 비트율, 단위 세그먼트 당 크기를 분석하는 콘텐츠 특성 인지 기능, 그리고 재생 장치가 적절한 품질의 콘텐츠를 재생할 수 있도록 사전에 입력된 재생 장치들에서의 최대 해상도, 최소 해상도, 그리고 재생 장치들의 유형을 분석하는 재생 장치 특성 인지 기능을 수행한다.
상황 정보 삽입 모듈(120)은 트랜스코딩 및 세그먼팅이 완료된 콘텐츠의 메타데이터에 추가적인 상황 정보[네트워크 식별자(서버의 네트워크의 라우터 IP 주소), 재생 장치 식별자(재생 장치의 IP주소), 콘텐츠 식별자(콘텐츠 ID(VID, Video ID))]를 삽입한다. 상황 정보 삽입은 콘텐츠가 세그먼팅까지 완료되어 메타데이터가 생성된 시점에서 수행된다.
콘텐츠 트랜스코딩 모듈(130)은 상황 정보 분석 모듈(110)에서 분석한 네트워크 특성, 콘텐츠 특성, 그리고 재생 장치 특성을 고려하여 가장 높은 품질의 원본 콘텐츠에서 상대적으로 낮은 품질들의 콘텐츠를 트랜스코딩한다.
콘텐츠 세그먼팅 모듈(140)은 트랜스코딩 된 콘텐츠들을 세그먼팅하고 각 세그먼팅 된 콘텐츠들의 콘텐츠 정보 및 URL을 표시하는 메타데이터를 생성한다.
상황 인지 기반 적응적 비디오 스트리밍 재생 장치(200)는 재생 장치 특성 인지 모듈 (210), 콘텐츠 특성 인지 모듈(220), 네트워크 인지 모듈(230), 메타데이터 분석 모듈(240), 그리고 세그먼트 요청 모듈(250)로 구성된다.
재생 장치 특성 인지 모듈(210)은 스트리밍 세션 초기에 서버에게 메타데이터를 요청하여 수신하고 재생 장치의 해상도, 장치 유형, 그리고 코덱 성능을 분석하여 재생 장치의 해상도 및 코덱 성능을 초과하는 품질의 비디오를 제외한 콘텐츠들의 목록을 생성한다. 스트리밍 수행 중에는 주 기억 장치 성능 및 중앙 처리 장치 성능을 모니터링하여 렌더링 작업을 수행하기 어려운 콘텐츠를 요청할 수 없도록 목록에서 제거한다.
콘텐츠 특성 인지 모듈(220)은 분석한 메타데이터 정보를 기반으로 세그먼트의 크기, 비트율, 그리고 프레임율을 분석한다.
네트워크 인지 모듈(230)은 스트리밍 수행 중에 세그먼트를 요청 및 수신할 때마다 세그먼트의 크기와 수신 시 발생하는 지연으로 대역폭을 측정한다.
메타데이터 분석 모듈(240)은 스트리밍 세션 초기에 콘텐츠의 메타데이터를 요청하고 수신하여 그 메타데이터를 버퍼에 저장한다.
세그먼트 요청 모듈(250)은 네트워크 인지 모듈(230)에서 측정한 네트워크 대역폭, 재생 장치 특성 인지 모듈(210)에서 재생 가능한 콘텐츠 목록, 그리고 콘텐츠 특성 인지 모듈(220)에서 분석한 콘텐츠 특성을 기반으로 끊김 없는 스트리밍을 수행하기 위한 적절한 품질의 세그먼트를 요청한다.
1) 개요
인기있는 비디오 스트리밍 서비스의 부상에 따라 글로벌 인터넷 비디오 트래픽은 급속히 증가해 왔다. 비주얼 네트워킹 보고서들에 따르면, 글로벌 비디오 트래픽은 2015년에 모든 소비자 인터넷 트래픽의 70 퍼센트를 차지하였으며, 2020년에는 거의 백만 분(minute)의 비디오 콘텐츠가 매초마다 IP 네트워크를 넘나들 것이다[1]. 비디오 트래픽이 증가하면서, 많은 상업 비디오 제공자들은 적응 비트레이트 스트리밍 기법을 채택하여 스트르밍 미디어에 최고의 경험을 갖는 사용자들에 대한 경험을 제공해 왔다. 최근, HTTP-기반 적응 스트리밍(HAS)이 인기 있는 기술이 되었는데, 그 구현이 용이하기 때문이다[2]. 종래의 RTP/UDP-기반 비디오 스트리밍과 대조적으로, HAS는 웹 트래픽에 이용된 종래의 프로토콜 스택 인, HTTP/TCP를 통해 비디오 스트림을 스트리밍한다. 마이크로소프트의 Smooth Streaming, 애플의 HTTP Live Streaming(HLS), 및 어도비의 HTTP Dynamic Streaming(HDS)과 같은 비디오 스트리밍 기술들은 HTTP-기반 적응 비트레이트 스트리밍에 의존한다. 얼마전에, 유튜브는 HAS 방식을 디폴트 스트리밍 방법으로 채택하기 시작했다[3]. 본 방식은 비디오 콘텐츠를 다수의 비트레이트로 인코딩하고, 인코딩된 비디오 콘텐츠를 고정 듀레이션의 작은 세그먼트들로 분할한다. HAS 플레이어는 비디오 스트리밍을 시작할 때, 분할된 비디오 콘텐츠인, 비디오 청크(video chunk)를 요청하는 HTTP GET 메시지를 최저 비트레이트부터 전송한다. HAS 플레이어는 종래의 HTTP 웹 서버를 이용하여 각 비디오 청크를 HTTP 및 TCP를 통해 다운로드한다.
HAS 플레이어는 플레이아웃 버퍼(playout buffer)를구비하며, 플레이아웃 버퍼의 점유(occupancy)에 기초하여 다음 비디오 청크 요청(next video chunk request)을 스케줄링한다. 통상적으로, HAS 플레이어는 그 플레이어가 성공적으로 다음 비디오 청크를 요청하여 플레이아웃 버퍼를 채우는 버퍼링 상태에서 비디오 스트리밍을 시작한다. 서버로부터 클라이언트로 충분한 양의 데이터를 다운로드한 후, HAS 플레이어가 버퍼로부터 비디오를 재생하기(play out)시작한다. 플레이아웃 버퍼 길이가 최대치에 도달하면, HAS 플레이어는 일정한 플레이아웃 버퍼 길이를 유지하기 위해 주기적으로 다음 비디오 청크(next video chunk)를 요청하는 정상 상태로 전환한다. 또한, HAS 플레이어는 네트워크 대역폭(network bandwidth)을 추정하여 네트워크 상태에 그 비디오 비트레이트(video bitrate)를 적응시킨다. 비디오 청크들이 TCP를 통해 전송됨에 따라, TCP 다이내믹스는 슬로-스타트(slow-start) 및 Additive Increase MutiplicativeDecrease(AIMD) 동작에 영향을 미친다.
많은 최신 연구들은 클라이언트-측 스트리밍 플레이어들에 초점을 맞추었다. [4]에서, 저자들은 정상 상태(steady state)에서의 온-오프 트래픽 패턴(on-off traffic pattern)이 불안정성, 불공정, 및 대역폭 저조활용의 근본 원인임을 보였다. [5], [6]에서, TCP greedy flow와 공존할 때, 3 개의 상용 HAS 플레이어들이 공정한 공유를 획득할 수 없음이 관찰되었다. 그 결과, 부정확한 대역폭 추정에 기초한 레이트 적응은 저-품질 비디오 스트리밍으로 귀결되었다. 두 개의 레이트 적응 스킴이 이러한 이슈들을 해결하기 위해 고려되었다: 레이트 쉐이핑 방식(rate shaping approach) [7], 및 제어-이론 방식(control theoretical approach) [8] 이다. 그러나, 대부분의 기존 스킴들은 온-오프 트래픽 패턴을 회피하거나 제거하는데 초점을 두었으며, 여전히 열악하게 설계된 대역폭 추정 방법(bandwidth estimation method)을 사용한다. 기본적으로, HAS 플레이어는 응용 계층(application layer)에서 청크-당 스루풋(per-chunk throughput)에 기초하여 네트워크를 추정한다. 전송 계층 프로토콜(transport layer protocol)의 도움 없이, 응용 계층(application layer)에서 네트워크 상태를 정확하게 추정하기가 어렵다. 게다가, 비디오 세그먼트들이 가변 비트레이트(VBR, variable bitrate) 인코딩 때문에 상이한 크기를 가질 때 대역폭 추정은 더욱 악화된다. 종래의 알고리듬들이 실제 수신 비트레이트(actual receiving bitrate) 대신에 평균 비디오 비트레이트(average video bitrate)를 사용함으로써 네트워크 대역폭을 추정하기 때문에, 네트워크 상태를 잘못 추정할 수 있다. 그러므로, HAS 플레이어는 부정확한 대역폭 추정에 기초하여 비디오 품질을 불필요하게 조정한다.
섹션 Ⅱ는 먼저 HTTP-기반 적응 스트리밍에 대한 관련 연구들을 살펴 본다.
Ⅱ. 관련 연구들
HAS가 상대적으로 새로운 애플리케이션이기는 하지만, 그 인기 때문에 많은 연구 결과들을 만들어냈다. 특히, 레이트 적응 방식(rate adaptation scheme)은 가장 흥미로운 연구 주제들 중 하나인데, 비디오 품질을 자동적으로 조정하여 사용자들에게 최대 가능 품질로 비디오를 제공하기 때문이다. 최신 솔루션들의 주요 단점들을 기술하기 전에, HTTP-기반 적응 비디오 스트리밍(HTTP-based adaptive video streaming)에서 레이트 적응 방식들의 분류로부터 시작한다. 기존의 레이트 적응 방식들을 2개의 주요 카테고리들로 분류할 수 있다: 대역폭-기반(bandwidth-based), 및 버퍼-기반(buffer-based) 레이트 적응 방식.
대역폭-기반 레이트 적응 방식(bandwidth-based rate adaptation scheme)은 추정되는 네트워크 대역폭에 기초하여, 비디오 비트레이트를 상향 또는 하향 전환한다. 상용 비디오 제공자들에 의해 채택된 대부분의 레이트 적응 방식들이 이 카테고리에 속한다. 그러나, 고유의 시-변 대역폭(inherent time-varying bandwidth)은 단-기 레이트 발진(short-term rate oscillations)을 초래하고, 스트리밍 서비스의 사용자 경험을 감소시킨다. [9]에서, 저자들은 3개의 인기있는 HAS 클라이언트들의 레이트 적응 방식들을 비교한다: Netflix, Microsoft Smooth Streaming, 및 Adobe Open Source Media Framework(OSMF) 클라이언트. 그들은 이 중 어느 것도 충분하지 않다고 결론내렸는데, 너무 공격적이거나 또는 너무 보수적이기 때문이다. 일부 클라이언트들은 최고 비디오 레이트(the highest video bitrate)와 최저 비디오 레이트(the lowest video bitrate) 간에 점프하기도 한다. 또한, 이는 네트워크 혼잡 레벨 변화(network congestion)에 대하여 상대적으로 긴 응답 시간(a relatively long response time)을 갖는다. 복잡한 네트워크 상태 때문에, 여전히 네트워크 대역폭을 정확하게 예측하는 것은 난제이다.
버퍼-기반 레이트 적응 방식들(Buffer-based rate adaptation schemes)은 버퍼 언더플로(buffer underflow, (rebuffering)) 및 오버플로(overflow)를 방지함으로써 연속적인 비디오 플레이백(video playback)을 제공하는 비디오 비트레이트를 선택한다. 몇몇 연구 작업들이 버퍼-기반 방식(buffer-based approach)을 다루었다. [10]에서, 소비되지 않은 비디오 세그먼트들(unconsumed video segments)에 의해 유발되는 비용을 최소화하는 코스트-인지 버퍼 관리 전략(cost-aware buffermanagement strategy)이 제안된다. [11]에서, 저자들은 플레이백 버퍼를 M/M/1 큐(M/M//1 Queue)로서모델링하여 버퍼 스타베이션(buffer starvation)을 특성화한다. Akamai는 버퍼-기반 레이트 적응(buffer-basedrate adaptation) 기술을 채택하지만, 서버 측에서 비디오 비트레이트를 조정한다[12]. 서버-측 접근은 웹 서버 또는 캐시(cache)에 대한 부담을 드라마틱하게 증가시킬 것이므로, 이는 대규모 멀티미디어 전달의 지원을 제약한다. 버퍼 언더플로(buffer underflow)를 방지하는 것은 비디오 플레이백 연속성(video playback continuity)을 보장할 수 있지만, 잦은 비디오 비트레이트 변동(frequent video bitrate changes)을 일으켜, 사용자들에게 열악한 품질 경험을 초래할 수 있다.
HAS에 대해 경합하는 성능 목표들 간의 균형을 잡기 위한 몇 가지 새로운 레이트 적응 방식들이 존재한다: 더 높은 평균 비디오 품질(higher average video quality),감소된 레이트 변동(reduced rate oscillations), 및 최소 클라이언트 리버퍼링(minimal client rebuffering). [14]에서, 감상 품질을 극대화하기 위해, 정교한 마르코브 결정 프로세스(MDP, Markov Decision Process)가 채택되어 최적의 클라이언트 전략들의 세트를 계산한다. [15]에서의 작업은 대역폭 모델을 생성하는데 더 많은 히스토리가 있는(historical) 대역폭 샘플들이 사용될 때 MDP-기반 적응(MDP-based adaptation)이 더 나은 비디오 스트리밍 성능을 달성할 수 있음을 보여 준다. 그러나, MDP는 쉽게 사용가능하지 않을 수 있는 네트워크 상태 및 비디오 콘텐츠 통계를 요구한다. [16]에서, Proportional-Integral-Derivative (PID) 제어기의 이용을 포함하는 제어-이론 방식(control-theoretical approach)이 채택된다. 적절한 파라미터 선택을 구비한 PID 제어기는 스트리밍 성능을 현저히 개선할 수 있다. [17]에서, 레이트 적응 알고리듬이 비디오 요청을 위한 무작위화(randomization for video requests), 스테이트풀 비디오 비트레이트 선택(stateful video bitrate selection), 및 조화 평균 기반 에버리징(harmonic mean based averaging)의 조합하여 구현하도록 설계된다.
특허 등록번호 10-1718127 (등록일자 2017년 03월 14일), "상황 인지 스트리밍 서비스를 위한 콘텐츠 패키징 시스템 및 스트리밍 방법", 정광수, 박지우, 김명우, 광운대학교 산학협력단
"Cisco Visual Networking Index: Forecast and methodology, 2015-2020, Cisco System Inc., San Jose, CA, USA, Jun.2016. T. Stockhammer, "Dynamic adaptive streaming over HTTP - Standardand design principles," in Proc. ACM MMSys, Feb. 2011, pp. 133-144. J. Roettgers, "Don't touch that dial: How YouTube is bringing adaptstreaming to mobile, TVs," Mar. 2013. [Online]. Availablehttp://gigaom.com/2013/03/13/youtube-adaptive-streaming-mobile-tv S. Akhshabi, L. Anantakrishnan, A. C. Begen, and C. Dovrolis, "What happens when HTTP adaptive streaming players compete for bandwidth?," in Proc. ACM NOSSDAV, Jun.2012, pp. 9-14. T. Huang,N. Handigol, B. Heller, N. McKeown, and R. Johari, "Confused, timid, and unstable: Picking a video streaming rate is hard," in Proc. ACM IMC, Nov. 2012, pp. 225-238. L. D. Cicco, V. Caldaralo, V. Palmisano, and S. Mascolo, "ELASTIC: client-side controller for dynamic adaptive streaming over HTTP(DASH)," in Proc. Int. PV Workshop, Dec. 2013, pp. 1-8. S. Akhshabi, L. Anantakrishnan, C. Dovrolis, and A. C. Began, "Server-based traffic shaping for stabilizing oscillating adaptive streaming players," in Proc. ACM NOSSDAV, Feb. 2013, pp. 19-24. X. Zhu, Z. Li, R. Pan, J. Gahm, and H. Hu, "Fixing multi-clienoscillations in HTTP-based adaptive streaming: A control theoretic approach," in Proc. IEEE Int. Workshop MMSP, Oct. 2013, pp. 230-235. S. Akhshabi, A. C. Begen, and C. Dovrolis, "An experimental evaluation of rate-adaptation algorithms in adaptive streaming over HTTP," in Proc. ACM MMSys, Feb. 2011, pp. 157-168. J. He, Z. Xue,D. Wu,D. O. Wu,and Y. Wen, "CBM: Online strategieon cost-aware buffer management for mobile video streaming," IEEE Trans. Multimedia, vol. 16, no. 1, pp. 242-252, Jan. 2014. Y. Xu,E. Altman, R. El-Azouzi, M. Haddad, S. Elayoubi, and T. Jimenez, "Analysis of bufferstarvation with application to objective Qooptimization of streaming services," IEEE Trans. Multimedia, vol. 16, no.3, pp. 813-827, Apr. 2014. L. D. Cicco, S. Mascolo, and V. Palmisano, "Feedback control foadaptive live video streaming," in Proc. ACM MMSys, Feb. 2011, pp.145-156. E. C. R. Mok, X. Luo,and R. Chang, "QDASH: A QoE-aware DASsystem," in Proc. ACM MMSys, Feb. 2012, pp. 11-22. D. Jarnikov and T. Ozcelebi, "Client intelligence for adaptive streaminsolutions," Signal Process.: Image Commun., vol. 26, no. 7, pp. 378-389, Aug.2011. A. Bokani, M. Hassan, S. Kanhere, and X. Zhu, "Optimizing HTTP-baseadaptive streaming in vehicular environment using markov decision process," IEEE Trans. Multimedia, vol. 17, no. 12, pp. 2297-2309, Dec.2015. C. Zhou, X. Zhang, L. Huo,and Z. Guo, "A control-theoretic approach trate adaptation for dynamic HTTP streaming" in Proc. IEEE VCIP, Nov. 2012, pp. 1-6. J. Jiang, V. Sekar, and H. Zhang, "Improving fairness, efficiency, anstability in HTTP-based adaptive video streaming with FESTIVE," in Proc. ACM CoNEXT, Dec. 2012, pp. 97-108. Z. Li, X. Zhu, J. Gahm, R. Pan, H. Hu,A. C. Began, and D. Oran, "Proband adapt: Adaptation for HTTP video streaming at scale,"IEEE J. Sel. Areas Commun., vol. 32, no. 4, pp. 719-733, Apr. 2014. T. Huang,R. Johari, N. McKeown, M. Trunnell, and M. Watson, "buffer-basedapproach to rate adaptation: Evidence from a large video streaming service," in Proc. ACM SIGCOMM, Aug. 2014, pp. 187-198. P. Juluri,V. Tanarapalli, and D. Medhi, "SARA: Segment Aware RatAdaptation Algorithm for Dynamic Adaptive Streaming Over HTTP," in Proc. IEEE ICC, Jun.2012, pp. 1765-177
종래 기술의 문제점을 해결하기 위한 본 발명의 목적은 적응적 스트리밍 서비스에서 재생 끊김과 불필요한 품질 변경을 최소화하여 사용자의 체감 품질(QoE, Quality of Experience)을 향상시키는 것을 목적으로 하며, 콘텐츠 특성 기반 스트리밍 시스템은 요청할 세그먼트(segment)의 크기, 네트워크 대역폭, 그리고 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하는 방법을 제공하는, 적응적 스트리밍 서비스(adaptive streaming service)의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템을 제공한다.
본 발명의 다른 목적은 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법을 제공한다.
본 발명의 목적을 달성하기 위해, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템은 콘텐츠를 다양한 비트율로 인코딩하며 각 품질(bitrate) 별 콘텐츠를 byte 단위의 세그먼트로 분할하고 콘텐츠의 정보를 표현하는 매니패스트 파일을 저장하며, 미디어 콘텐츠를 저장하며, 레이트 적응 방식을 사용하여 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버; 및 적응적 스트리밍 서비스의 체감 품질(QoE, Quality of Experience)을 향상하기 위해, 클라이언트가 상기 서버로 매니패스트 파일을 요청하고 이에 대한 응답으로 상기 서버로부터 매니패스트 파일을 수신하면 각 품질 별 콘텐츠의 위치와 세그먼트의 실제 크기, 재생 길이의 정보를 인지하며, 상기 서버로부터 세그먼트들을 다운로드 할 때마다 세그먼트의 크기를 사용해 네트워크 대역폭을 측정하며, 대역폭 측정 모듈과 버퍼에서 제공하는 정보를 기반으로 다음에 요청할 세그먼트의 품질(bitrate)을 결정하며, 품질 적응 모듈에서 선택한 품질(bitrate)의 세그먼트에 해당하는 바이트를 요청하는 클라이언트를 포함하며,
상기 적응적 스트리밍 서비스에서 체감 품질(QoE)을 향상시키기 위해 콘텐츠 특성 기반 스트리밍 시에 서버로 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하고,
상기 콘텐츠 특성은 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 포함한다.
본 발명의 다른 목적을 달성하기 위해, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법은 (a) 클라이언트가 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버로 매니패스트 파일을 요청하여, 상기 서버로부터 상기 클라이언트로 매니패스트 파일을 다운로드 하는 단계; (b) 상기 클라이언트가 스트리밍을 시작하기 전에 각 품질(bitrate) 별 콘텐츠의 해당 세그먼트의 순서에 따른 바이트를 서버로 요청하며, 상기 클라이언트가 상기 서버로부터 요청한 매니패스트 파일을 다운로드 받은 후 첫 번째 세그먼트를 요청하여 다운로드 받으면 콘텐츠의 메타데이터 박스를 분석하며, 상기 클라이언트가 레이트 적응 방식을 사용하여 상기 매니패스트 파일로부터의 실제 세그먼트 정보를 사용하여 세그먼트 처리량(segment throughput)을 측정하며, 비디오 세그먼트의 다운로드 말미에, 네트워크 대역폭을 추정하는 i) 추정(estimation), ⅱ) 예상(expectation), 및 ⅲ) 적응(adaptation)하는 단계; 및 (c) 상기 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버가 VBR 비디오 콘텐츠를 스트리밍할 때, 상기 클라이언트가 영상의 데이터가 포함된 세그먼트를 서버로부터 다운로드 받으면서 버퍼링되며 네트워크 대역폭과 버퍼가 충전되는 속도를 측정하고 버퍼 점유율과 네트워크 대역폭을 기반으로 비디오 품질(bitrate)을 조절하는 단계를 포함하며,
상기 적응적 스트리밍 서비스에서 체감 품질(QoE)을 향상시키기 위해 콘텐츠 특성 기반 스트리밍 시에 서버로 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하고,
상기 콘텐츠 특성은 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 포함한다.
본 발명에 따른 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법은 적응적 스트리밍 서비스(adaptive streaming service)에서 재생 끊김과 불필요한 품질 변경을 최소화하여 사용자의 체감 품질(QoE, Quality of Experience)을 향상시키도록 콘텐츠 특성 기반 스트리밍 시스템은 요청할 세그먼트의 크기, 네트워크 대역폭, 그리고 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하였다.
본 발명에서 제안되는 방식은 가변 세그먼트 크기를 고려함으로써 네트워크 대역폭을 추정하고, 버퍼 정보에 기초하여 비트레이트 발진을 방지하며, 버퍼 정보를 얻기 위해, 우리는 플레이아웃 버퍼 모델(playout buffermodel)을 제시하였다. 플레이아웃 버퍼가 3 영역으로 분할되어 제안된 알고리듬의 공격성을 조정한다. VBR 특성을 고려함으로써 레이트 적응이 플레이아웃 버퍼 점유에 기초하여 설계됨을 입증하였다.
결과적으로, 적응적 스트리밍 서비스를 위한 콘텐츠 특성을 분석하고 버퍼 점유율과 버퍼 충전 속도를 기반으로 품질을 조절함으로써 콘텐츠 특성을 고려하지 않은 대역폭 측정에 의해 불필요하게 발생하는 품질 변경과 재생 끊김을 최소화하여 체감 품질을 향상시키고 안정적인 적응적 스트리밍 서비스를 제공할 수 있다.
따라서, 적응적 스트리밍 서비스 시에 콘텐츠 특성을 기반으로 비디오 품질을 조절함으로써 재생 끊김과 불필요한 품질 변경을 최소화하여 비디오 스트리밍의 체감 품질(QoE)을 향상시키기 위한 적응적 스트리밍 알고리즘들을 개발하여 다양한 네트워크에서도 안정적인 스트리밍 서비스를 제공할 수 있게 되었다.
본 기술은 적응적 스트리밍 기술이 적용된 VoD 서비스, Web 기반 적응적 스트리밍 서비스, 스마트폰과 태블릿 PC 등의 Mobile 단말 기반 적응적 스트리밍 서비스에 사용 가능하다.
도 1은 종래의 상황 인지 기반 적응적 비디오 스트리밍 서비스의 구성도이다.
도 2는 본 발명에 따른 적응적 스트리밍 서비스(adaptive streaming service)의 콘텐츠 특성 기반의 체감 품질 향상을 위한 클라이언트/서버 시스템 구조를 보인 도면이다.
도 3은 클라이언트와 서버의 콘텐츠 특성 분석 및 스트리밍 절차를 보인 도면이다.
도 4는 버퍼 점유율에 따른 품질 조절 구간을 보인 도면이다.
도 5는 본 발명의 실시예에 따른 VBR로 인코딩 된 비디오(VBR encoded video)가 있는 HAS 시스템(HAS system)의 개념도이다.
도 6은 시뮬레이션 결과: (a) CBR 비디오 데이터 세트(CBR video dataset). (b) VBR 비디오 데이터 세트(VBR video dataset)를 보인 도면이다.
도 7은 재생 버퍼 영역들(playout buffer regions)을 보인 도면이다.
도 8은 VBR 비디오의 세그먼트 크기 변경(Segment size variation of VBR video)을 보인 도면이다.
도 9는 교차 트래픽(cross traffic)이 없는 비디오 비트레이트 적응(Video bitrate adaptation)을 보인 도면이다.
도 10은 대역폭 변경(bandwidth variations) 하에 비디오 비트레이트 적응을 보인 도면이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 발명의 구성 및 동작을 상세하게 설명한다.
본 발명은 적응적 스트리밍 서비스(adaptive streaming service)의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법은 적응적 스트리밍 서비스에서 재생 끊김과 불필요한 품질 변경을 최소화하여 사용자의 체감 품질(QoE, Quality of Experience)을 향상시키기 위해 콘텐츠 특성 기반 스트리밍 시스템은 요청할 세그먼트(segment)의 크기, 네트워크 대역폭, 그리고 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하는 방법을 제공한다.
도 2는 본 발명에 따른 적응적 스트리밍 서비스의 콘텐츠 특성 기반의 체감 품질 향상을 위한 클라이언트/서버 시스템 구조를 보인 도면이다.
본 발명의 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템은,
콘텐츠를 다양한 비트율로 인코딩하며 각 품질(bitrate) 별 콘텐츠를 byte 단위의 세그먼트로 분할하고 콘텐츠의 정보를 표현하는 매니패스트 파일을 저장하며, 미디어 콘텐츠를 저장하며, 레이트 적응 방식을 사용하여 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버(server); 및
적응적 스트리밍 서비스의 체감 품질(QoE, Quality of Experience)을 향상하기 위해, 상기 클라이언트가 상기 서버로 매니패스트 파일을 요청하고 이에 대한 응답으로 상기 서버로부터 매니패스트 파일을 수신하면 각 품질 별 콘텐츠의 위치와 세그먼트의 실제 크기, 재생 길이의 정보를 인지하며, 상기 서버로부터 세그먼트들을 다운로드 할 때마다 세그먼트의 크기를 사용해 네트워크 대역폭을 측정하며, 대역폭 측정 모듈과 버퍼에서 제공하는 정보를 기반으로 다음에 요청할 세그먼트의 품질(bitrate)을 결정하며, 품질 적응 모듈에서 선택한 품질(bitrate)의 세그먼트에 해당하는 바이트를 요청하는 클라이언트(client)를 포함하며,
상기 품질은 A/V 미디어의 비트레이트(bitrate) 이며,
상기 적응적 스트리밍 서비스(adaptive streaming service)에서 체감 품질(QoE, Qualityof Experience)을 향상시키기 위해 콘텐츠 특성 기반 스트리밍 시에 서버로 요청할 세그먼트(segment)의 크기, 네트워크 대역폭, 및 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절한다.
상기 매니패스트 파일(manifest file)은 각 품질(bitrate) 별 콘텐츠의 위치와 바이트 범위가 포함되어 있으며, 클라이언트로부터 서버로 매니패스트 파일을 요청하고 이에 대항 응답으로 상기 서버로부터 매니패스트 파일을 수신하면 각 품질 별 콘텐츠의 위치와 세그먼트의 실제 크기, 재생 길이의 정보를 인지한다.
상기 클라이언트(client)는 상기 서버로부터 세그먼트들을 다운로드 할 때마다 세그먼트의 크기를 사용하여 네트워크 대역폭을 측정하는 대역폭 측정 모듈; 상기 대역폭 측정 모듈과 버퍼에서 제공하는 정보를 기반으로 다음에 요청할 세그먼트의 품질을 결정하는 품질 적응 모듈; 상기 품질 적응 모듈에서 선택한 품질(bitrate)의 세그먼트에 해당하는 바이트를 요청하는 세그먼트 요청 모듈; 및 각 세그먼트들을 서버로부터 다운로드 할 때마다, 세그먼트의 재생 길이만큼 버퍼 점유량을 증가시키며, 버퍼 점유율과 버퍼 충전 속도를 산출하는 버퍼를 포함한다.
콘텐츠 특성은 요청할 세그먼트(segment)의 크기, 네트워크 대역폭, 및 버퍼 점유율을 포함한다.
도 2를 참조하면, 미디어 콘텐츠를 저장하고 있는 서버는 콘텐츠를 다양한 비트율로 인코딩하며 각 품질 별 콘텐츠를 byte 단위의 세그먼트(segment)로 분할하고 콘텐츠의 정보를 표현하는 매니패스트 파일을 저장한다. 매니패스트 파일 내부는 각 품질(bitrate) 별 콘텐츠의 위치와 바이트 범위가 포함되어 있으며, 매니패스트 파일을 수신하면 각 품질 별 콘텐츠의 위치와 세그먼트의 실제 크기, 재생 길이 등의 정보를 인지할 수 있다.
클라이언트는 대역폭 측정 모듈, 품질 적응 모듈, 세그먼트 요청 모듈 및 버퍼를 포함한다.
클라이언트의 대역폭 측정(Bandwidth Estimation) 모듈은 서버로부터 세그먼트를 다운로드 할 때마다 세그먼트의 크기를 사용해 네트워크 대역폭을 측정한다.
버퍼(Buffer)는 세그먼트(segment)를 서버로부터 다운로드 할 때마다, 세그먼트의 재생 길이만큼 버퍼 점유량을 증가시키며, 버퍼 점유율과 버퍼 충전 속도를 산출한다.
품질 적응(Quality Adaptation) 모듈은 대역폭 측정 모듈과 버퍼에서 제공하는 정보를 기반으로 다음에 요청할 세그먼트의 품질을 결정한다.
세그먼트 요청(Segment Requesting) 모듈은 상기 품질 적응 모듈에서 선택한 품질(bitrate)의 세그먼트(segment)에 해당하는 바이트를 요청한다.
도 3은 클라이언트와 서버의 콘텐츠 특성 분석 및 스트리밍 절차를 보인 도면이다.
본 발명의 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법은 (a) 클라이언트가 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버로 매니패스트 파일을 요청하여, 상기 서버로부터 상기 클라이언트로 매니패스트 파일을 다운로드 하는 단계; (b) 상기 클라이언트가 스트리밍을 시작하기 전에 각 품질(bitrate) 별 콘텐츠의 해당 세그먼트의 순서에 따른 바이트를 서버로 요청하며, 상기 클라이언트가 상기 서버로부터 요청한 매니패스트 파일을 다운로드 받은 후 첫 번째 세그먼트를 요청하여 다운로드 받으면 콘텐츠의 메타데이터 박스를 분석하며, 상기 클라이언트가 레이트 적응 방식(rate adaptation scheme)을 사용하여 매니패스트 파일(manifest file)로부터의 실제 세그먼트 정보를 사용하여 세그먼트 처리량(segment throughput)을 측정하며, 비디오 세그먼트의 다운로드 말미에, 네트워크 대역폭을 i) 추정(estimation), ⅱ) 예상(expectation), 및 ⅲ) 적응(adaptation)하는 단계; 및 (c) 상기 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버가 VBR 비디오 콘텐츠를 스트리밍할 때, 상기 클라이언트가 영상의 데이터가 포함된 세그먼트를 서버로부터 다운로드 받으면서 버퍼링되며 네트워크 대역폭과 버퍼가 충전되는 속도를 측정하고 버퍼 점유율과 네트워크 대역폭을 기반으로 비디오 품질(bitrate)을 조절하는 단계를 포함하며,
상기 적응적 스트리밍 서비스에서 체감 품질(QoE)을 향상시키기 위해 콘텐츠 특성 기반 스트리밍 시에 서버로 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하고,
상기 콘텐츠 특성은 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 포함한다.
상기 단계 (b)에서 상기 메타데이터 박스는 각 세그먼트의 바이트 위치와 범위, 및 재생 길이가 모두 포함되어 있기 때문에, 상기 클라이언트에서 각 세그먼트의 마지막 바이트 위치를 따로 분석하지 않아도 각 세그먼트의 실제 바이트 크기를 알 수 있다.
첫 번째 절차는 클라이언트가 서버로 매니패스트 파일을 요청하여, 서버로부터 클라이언트로 매니패스트 파일을 다운로드 하는 절차이다.
두 번째 절차는 클라이언트가 스트리밍을 시작하기 전 각 품질(bitrate) 별 콘텐츠의 해당 세그먼트의 순서에 따른 바이트를 요청하는 절차이다. 클라이언트가 서버로부터 매니패스트 파일을 다운로드 받은 후, 첫 번째 세그먼트를 요청하여 다운로드 하면 콘텐츠의 메타데이터 박스를 분석한다. 메타데이터 박스는 각 세그먼트의 바이트 위치와 범위, 및 재생 길이가 모두 포함되어 있기 때문에, 클라이언트에서 각 세그먼트의 마지막 바이트 위치를 따로 분석하지 않아도 각 세그먼트의 실제 바이트 크기를 알 수 있다.
세 번째 절차는 영상의 데이터가 포함된 세그먼트를 다운로드 하여 비디오 스트리밍을 시작한다. 세 번째 절차부터는 클라이언트가 세그먼트(segment)를 서버로부터 다운로드 받으면서 네트워크 대역폭과 버퍼가 충전되는 속도를 측정하고 버퍼 점유율과 네트워크 상태(네트워크 대역폭)를 기반으로 비디오 품질(bitrate)을 조절한다.
도 4는 버퍼 점유율에 따른 품질 조절 구간을 보인 도면이며, 도 3의 절차를 통해 측정한 버퍼 충전 속도(γi)와 버퍼 점유율(βi)을 기반으로 정의된 품질 조절 구간을 보여준다.
품질 조절 구간은 품질을 급격하게 증가시키는 품질 급증 구간(Aggressive Switch Up), 품질을 한 단계씩 증가시키는 보수적 품질 증가 구간(Conservative Switching), 그리고 품질을 감소시키는 품질 감소 구간(Switch Down)으로 구분된다. 각 품질 조절 구간은 현재 버퍼 점유율에 따른 두 가지의 품질 조절 임계치에 따라 구분된다.
품질 급증 구간에서는 서버로부터 최근 다운로드 한 세그먼트의 버퍼 충전 속도가 충분히 커 버퍼 점유율이 증가하게 되는 경우, 대역폭 효율을 증가시키고 체감 품질을 향상시키기 위해 품질 증가를 수행한다. 품질 증가를 위해 버퍼 점유율이 높을 경우와 낮을 경우에 따라 목표 비트율을 설정하며 목표 품질로 이전 세그먼트의 비트율보다 크고 목표 비트율보다 작은 비트율을 갖는 품질 중 최대 품질(bitrate)을 선택한다.
보수적 품질 증가 구간은 불필요한 품질 변경에 따른 체감 품질(QoE)의 저하를 최소화하고 대역폭 효율을 증가시키기 위해 이전 세그먼트의 품질(bitrate)에서 한 단계씩 품질(bitrate)을 증가시킨다.
품질 감소 구간에서는 최근 다운로드 한 세그먼트의 버퍼 충전 속도가 작아 버퍼 점유율이 감소하여 재생 끊김이 발생할 가능성이 높아지는 경우, 네트워크 대역폭과 다음 세그먼트의 비트율을 기반으로 목표 비트율을 설정하여 품질 감소를 수행한다. 급격한 품질 감소를 최소화하고 안정적인 스트리밍 서비스를 제공하기 위해 버퍼 점유율이 높을수록 이전 세그먼트와의 품질 차이를 작게 유지할 수 있도록 목표 비트율을 설정하며 버퍼 점유율이 낮을 경우에는 급격하게 감소하는 네트워크 대역폭에 빠르게 반응하기 위해 측정된 네트워크 대역폭에 더 큰 가중치(weoght)를 반영하여 목표 비트율을 설정한다.
목표 품질은 목표 비트율보다 작으면서 가장 큰 비트율을 갖는 품질로 설정하며 버퍼 점유율이 높을 경우에는 목표 품질(bitrate)을 이전 세그먼트의 품질(bitrate)보다 한 단계 낮은 품질(bitrate)로 설정하고, 버퍼 점유율이 낮을 경우에는 네트워크 대역폭보다 낮은 비트율의 품질(bitrate)로 설정한다.
결과적으로, 적응적 스트리밍 서비스를 위한 콘텐츠 특성(세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율)을 분석하고 버퍼 점유율과 버퍼 충전 속도를 기반으로 품질을 조절함으로써 콘텐츠 특성을 고려하지 않은 대역폭 측정에 의해 불필요하게 발생하는 품질 변경과 재생 끊김을 최소화하여 체감 품질을 향상시키고 안정적인 적응적 스트리밍 서비스를 제공할 수 있다.
따라서, 적응적 스트리밍 서비스 시에 콘텐츠 특성을 기반으로 비디오 품질을 조절함으로써 재생 끊김과 불필요한 품질 변경을 최소화하여 비디오 스트리밍의 체감 품질(QoE)을 향상시키기 위한 적응적 스트리밍 알고리즘들을 개발하여 다양한 네트워크에서도 안정적인 스트리밍 서비스를 제공할 수 있게 되었다.
본 기술은 적응적 스트리밍 서비스 기술이 적용된 VoD 서비스, Web 기반 적응적 스트리밍 서비스, Mobile 단말 기반 적응적 스트리밍 서비스에 사용 가능하다.
(실시예)
최근 HTTP 기반 적응형 스트리밍(HTTP-based adaptive streaming, HAS)이 연구되고 있다. HAS 접근법에서, 비디오 콘텐츠는 여러 비트 전송률로 인코딩되며 인코딩 된 비디오 콘텐츠는 고정된 기간(fixed durations)동안 작은 세그먼트들(segment)로 분할된다. HAS 클라이언트(HAS client)는 비디오 세그먼트(video segment)를 요청하고, 이를 플레이아웃 버퍼(playout buffer)에 저장한다. 많은 연구에서 견고한 속도 적응 알고리즘이 HAS 시스템에서의 경험의 품질(QoE, quality-of-experience)을 보장하는데 중요하다. 많은 연구들이 강건한 레이트 적응 알고리듬이 HAS 시스템에서 체감 품질(QoE Quality-of-experience)을 보장하는 것이 중요하다. 그러나, 대부분의 기존 알고리듬들은 신통치 않게 설계된 대역폭 추정 방법을 이용하여 비디오 비트레이트(video bitrate)를 조정한다. 우리는 HAS 시스템의 안정성을 개선하는 신규한 콘텐츠-인지 레이트 적응 알고리듬을 제안한다. 우리의 방법에서, 플레이아웃 버퍼(playout buffer)는 콘텐츠의 특성들을 사용하여 모델링된다. 이전 결과들과 달리, 정적 버퍼 정보(static buffer information) 보다는, 플레이아웃 버퍼 길이(playout buffer length)의 편차(variance)에 기초하여 비디오 비트레이트(video bitrate)를 적응시킬 것을 제안한다. 우리는 ns-3 시뮬레이션 및 독자적 테스트로써 본 발명에서 제안된 콘텐츠-인지 레이트 적응 알고리듬의 성능을 평가하였다. 광범위한 시뮬레이션들을 통해, 제안된 콘텐츠-인지 레이트 적응 방식이 네트워크 대역폭의 변동 하에서조차, 매우 고품질을 달성함을 입증하였다.
Figure 112019033753050-pat00023
본 발명은 정확한 대역폭 추정(accurate bandwidth estimation)에 의해 안정성을 개선하는 콘텐츠-인지 레이트 적응 스킴(content-aware rate adaptation scheme)을 제안하며, 콘텐츠 특성을 고려하는 플레이아웃 버퍼 모델(content-aware rate adaptation scheme)을 제시한다. 본 발명에서 제안된 콘텐츠-인지 레이트 적응 방식을 종래의 알고리듬들과 비교하기 위해, 우리는 ns-3 네트워크 시뮬레이터(ns-3 network simulator) 상에서 HAS 플레이어를 구현할 예정이며, 불안정한 네트워크 환경들에서 시뮬레이션을 수행하였다.
섹션 Ⅲ는 기본 HAS 시스템과 그에 대한 VBR(variable bit rate) 특성의 영향을 제시한다. 섹션 Ⅳ는 콘텐츠-인지 레이트 적응 스킴(rate adaptation scheme)과 그 적응 알고리듬(adaptation algorithm)을 기술한다. 섹션 Ⅴ는 제안된 방식의 시뮬레이션 결과들을 제시하며, 섹션 Ⅵ는 결론을 설명하였다.
Ⅲ. HTTP 적응 스트리밍 개요
본 섹션은 먼저 HAS 시스템의 개요를 제공한다. 우리는 HAS 시스템이 VBR 비디오 콘텐츠를 스트리밍할 때의 성능 결과들을 제시한다. 표 I은 본 발명에서 사용되는 주요 표기들을 나열한다.
A. HAS 시스템의 개요
전형적으로, HAS 시스템은 비디오 콘텐츠를 τ초의 작은 청크들(small chunks)로 분할한다. 모든 세그먼트들이 L 공칭 비트레이트로 사전-인코딩된다. HAS 플레이어는 비디오 비트레이트 γ∈ R ≒{R1, R2, ..., RL}을 선택하고, 플레이아웃 버퍼 점유율(playout buffer occupancy) B에 따라, 다음 다운로드 요청(next download request)을 스케줄링한다. 그후 플레이어는 n번째 세그먼트 및 비디오 비트레이트 r[n]에 대해 HTTP GET 요청(HTTP GET request)을 서버로 전송한다. 또한, 기존의 방식에서, 레이트 적응 알고리듬(a rate adaptation algorithm)은 다음과 같이, 세그먼트 다운로딩 후에 세그먼트-당 처리량(per-segment throughput)을 측정한다.
Figure 112018020464245-pat00002
(1)
여기서, d[n]은 n번째 세그먼트의 다운로드 듀레이션(download duration of the n-th segment), r[n]은 n번째 비디오 세그먼트의 비트레이트, x[n]은 네트워크 처리량(throughput)이다.
HAS 시스템은 다운로드된 비디오 세그먼트를 플레이아웃 버퍼에 저장한다. HAS 플레이어는 응용 계층(application layer)에서 네트워크 대역폭을 추정하기 때문에, 전송 계층 프로토콜(transport layer)의 도움 없이 정확한 정보를 얻을 수 없다. 또한, 각 비디오 세그먼트(video segment)의 파일 크기가 같지 않기 때문에 VBR 특성이 대역폭 추정에 영향을 미친다. throughput 등식 (1)은 비디오 콘텐츠가 일정한 비트레이트(CBR) 인코딩되었다는 가정하에서 정확하지만, VBR 인코딩 된 비디오에서는 그렇지 않다. 우리는 ns-3 네트워크 시뮬레이터를 이용하여 시뮬레이션을 수행하여 VBR 특성의 영향을 조사하였다.
B. VBR 특성의 영향
VBR 특성의 영향을 더 이해하기 위해, 먼저 도 5에 도시된 바와 같은 HAS 시스템을 구현한다. HTTP 웹 서버는 2초(2s)의 세그먼트 듀레이션(segment duration)을 갖는 300 kbps 내지 7.5 Mbps 범위의 10 개의 비트레이트들로 인코딩된 비디오를 포함하는 VBR 비디오 데이터셋을 호스팅한다. 또한, 기본 대역폭-기반 적응 로직(a basic bandwidth-based adaptation logic)을 사용하여 HAS 플레이어를 구현하였다. CBR 비디오 데이터셋(CBR video dataset)으로써 동일한 시뮬레이션을 반복하여 HAS 플레이어의 성능을 비교한다. 모든 시뮬레이션은 3 Mbps 병목 링크(3 Mbps bottleneck link)를 갖는 단순한 덤벨 네트워크 토폴로지(dumbbell network topology)를 사용한다.
도 6은 HAS 플레이어가 CBR/VBR 인코딩된 비디오 콘텐츠를 스트리밍할 때의 시뮬레이션 결과들을 나타낸다. 이전 섹션에서 우리가 언급한 바와 같이, VBR 특성이 HAS 플레이어의 성능에 영향을 미친다. 비트레이트 발진은 콘텐츠가 VBR 비디오일 때 더 빈번하게 발생한다. 또한, VBR 특성 버퍼 다이내믹스에도 영향을 미치는데 다운로드 듀레이션(download duration)이 세그먼트의 크기에 의해 결정되기 때문이다. 부정확한 대역폭 추정이 HAS에서의 성능 열화, 특히, 비트레이트 발진을 야기한다. 대부분의 이러한 문제들은 대역폭 추정 방식을 수정함으로써, 또는 레이트 적응을 위한 버퍼 정보를 사용함으로써 해결될 수 있다. 그러나, 이전 방식도 섹션 Ⅲ-A에 기재된 바와 같이 동일한 구조적 한계를 가지며 일부 기존 버퍼-기반 방식들은 추가적으로 대역폭 정보를 사용하여 네트워크 변동에 적응한다. 이러한 문제들을 해결하기 위해, HAS 플레이어는 콘텐츠-인지 방식을 취하여 비디오 비트레이트를 적응시킬 필요가 있다. HAS 플레이어가 향후 세그먼트들의 크기를 안다고 가정하면, VBR 특성의 어떠한 부작용들 없이 비디오 비트레이트를 변동하는 네트워크 상태들에 적응시킬 수 있다. 우리는 섹션 Ⅳ에서 콘텐츠-인지 방식을 따르는 우리의 알고리듬을 기술한다.
Ⅳ. HTTP-기반 스트리밍을 위한 콘텐츠-인지 레이트 적응
본 섹션은 제안되는 레이트 적응 방식(rate adaptation scheme)을 소개한다. 제안되는 레이트 적응(rate adaptation)의 절차는 3 단계들로 분류한다: i) 추정(estimation), ⅱ) 예상(expectation), 및 ⅲ) 적응(adaptation).
i) 추정 단계에서, 제안되는 방식은 공칭 비트레이트를 사용하기 보다는, 매니패스트 파일(manifest file)로부터의 실제 세그먼트 정보를 사용하여 세그먼트 처리량(segment throughput)을 측정한다. 비디오 세그먼트의 다운로드 말미에, 알고리듬은 다음과 같이 네트워크 대역폭(network bandwidth)을 추정한다.
Figure 112018020464245-pat00003
(2)
여기서, d[n]은 n번째 세그먼트의 다운로드 듀레이션(download durationof the n-th segment), Bk[n]은 n번째 세그먼트의 최종 바이트이며, k는 비디오 품질의 레벨을 나타낸다. x'[n]은 네트워크 처리량(throughput)이다.
플레이아웃 버퍼 길이 b[n]은 버퍼 필링 레이트(buffer filling rate) 및 버퍼 드레이닝 레이트(buffer draining rate)를 사용하여 다음 식(3)으로 모델링될 수 있다:
Figure 112018020464245-pat00004
(3)
여기서, b[n]은 버퍼의 시간에 따른 변화량, λ[n]은 클라이언트 버퍼에 세그먼트들이 들어오는 버퍼 필링 레이트(buffer filling rate), μ[n]은 클라이언트 버퍼로부터 세그먼트들이 나가는 버퍼 드레이닝 레이트(buffer draining rate)이다.
또한, 버퍼 필링 레이트 λ는 간소하게 χ'[n]/r[n]으로 모델링될 수 있다. 버퍼 드레이닝 레이트 μ는 비디오가 플레이중일 때는 1이고, 반면 비디오 플레이백이 중지할 때 μ는 0이다. 평균 비디오 비트레이트가 가용 대역폭보다 낮다고 가정하면, λ가 1보다 높기 때문에 플레이아웃 버퍼 길이는 증가한다.
ⅱ) 예상 단계에서, 제안되는 방식은 다음 비디오 세그먼트를 이용하여 장래 버퍼 점유를 추정하여 버퍼 언더플로(buffer underflow) 및 오버플로(overflow)를 방지한다. 플레이아웃 버퍼는 도 7에 제시된 바와 같이 각각의 변화를 갖는 3 영역들로 분할된다. 제안되는 알고리듬은 미래 버퍼 점유(future buffer occupancy)에 기초하여 그 공격성(aggressiveness)을 조정한다.
ⅲ) 적응 단계에서, 제안되는 방식은 버퍼의 버퍼링 영역에 기초하여 비디오 비트레이트를 결정한다:
Figure 112018020464245-pat00005
(4)
여기서, r[n+1]은 n+1번째 비디오 세그먼트의 비트레이트, r[n]은 n번째 비디오 세그먼트의 비트레이트, Rk는 정의된 비디오의 품질(bitrate), β는 b[n+1] 대 bmax의 비이다. 비트레이트 발진을 최소화하기 위해, 제안되는 시스템은 항상 현재의 비트레이트에 인접한 비트레이트를 선택한다. 적응 단계는 (4)로부터 계산되는 다음 비디오 비트레이트에 의해 결정된다. 따라서, 비디오 비트레이트를 매끄럽게 변화시킴으로써 HAS 시스템의 안정성을 개선할 수 있다.
Ⅴ. 시뮬레이션 결과
본 섹션에서, 다른 기존의 알고리듬들에 대한 제안된 알고리듬의 성능을 평가하는 시뮬레이션 세트를 수행하였다.
A. 시뮬레이션 셋업
섹션 Ⅲ-B에 기재된 바와 같이 ns-3 네트워크 시뮬레이터에서 HAS 시스템을 구현하였다. 도 8은 그 시뮬레이션에서 채택된 VBR 특성들을 나타낸다. 세그먼트 크기는 평균 세그먼트 크기의 92% ~ 193%의 범위이다. 성능 비교를 위해, HAS 플레이어에서 다음의 알고리듬들을 구현한다:
ㆍ기존 대역폭-기반 레이트 적응 알고리듬 [18]
ㆍ선형 레이트 맵 및 10초의 저장소를 갖는 BBA 알고리듬 [19]
ㆍBα = 5, Bβ=10 인 SARA 알고리듬 [20]
ㆍ제안된 콘텐츠-인지 레이트 적응 알고리듬
모든 플레이어들은 플레이아웃 버퍼 길이(playout buffer length) 동안에 30초와 동일한 임계치(threshold)를 채택하였다.
B. 기존 방식들과의 비교
도 9에 제시된 바와 같이, 어떠한 크로스 트래픽(cross traffic) 없이 모든 네 개의 방식들의 성능을 평가하였다. 이 시나리오에서, 단 하나의 HAS 플로우가 5 Mbps 병목 링크(bottleneck link)의 점유를 갖는다. 도 9는 종래의 방식들이 비트레이트를 매우 빈번하게 변화시키는 반면 제안된 방식은 비디오 비트레이트를 매끄럽게 적응시키는 것을 보여 준다. 대역폭-기반 알고리듬(Bandwidth-based algorithm)은 이 시나리오에서 극도로 발진하는데, 이는 상기 언급한 바와 같이, 그 추정 방법이 VBR 특성을 고려하지 않기 때문이다. 또한 VBR 특성은 BBA 알고리듬과 같은, 버퍼-기반 알고리듬(buffer-based algorithm)에도 영향을 미치는데, 이는 가변 세그먼트 크기(variable segment size)가 버퍼 다이내믹스(buffer dynamics)를 분석하기에 더 어렵게 만들기 때문이다. SARA 알고리듬은 VBR 특성을 고려하지만, 그 AIMD-형 적응 알고리듬(AIMD-like adaptation algorithm)은 버퍼 언더플로(buffer underflows)를 검출할 때마다 비트레이트 발진(bitrate oscillations)을 야기한다.
그후, 네트워크 대역폭(network bandwidth)는 매 30초마다 변화하는 시나리오에서 대역폭 변동의 효과를 평가하였다. 본 시나리오에서, 병목 링크(bottleneck link)는 10 Mbps → 5 Mbps → 7 Mbps → 4 Mbps → 3 Mbps → 9 Mbps → 6 Mbps → 4 Mbps → 7 Mbps → 8 Mbps의 대역폭 프로파일(bandwidth profile)을 따른다. 도 10과 표 2는 다양한 방식들의 결과를 나타낸다. 기존의 방식들은 유사한 결과들을 나타낸다. 이들은 비트레이트 발진(bitrate oscillations)에 시달린다. 본 발명에서 제안된 방식은 실제 세그먼트의 크기를 이용하여 네트워크 상태를 추정하고 미래 버퍼 점유(future buffer occupancy)에 기초하여 그 비트레이트(bitrate)를 적응시킨다. 그 결과, 제안된 방식은 콘텐츠-인지 접근을 채택함으로써 HAS 시스템이 VBR 비디오 콘텐츠를 스트리밍할 때 더 높은 안정성을 달성하였다.
Figure 112019033753050-pat00024
Ⅵ. 결론
HAS 플레이어는 부실하게 설계된 대역폭 추정 방법 및 VBR 특성 때문에 비디오 품질을 불필요하게 조정한다. 본 발명에서, 부정확한 대역폭 추정의 효과를 감소시키는 콘텐츠-인지 레이트 적응 방식(content-aware rate adaptation scheme)을 제안하였다. 본 발명에서 제안되는 방식은 가변 세그먼트 크기를 고려함으로써 네트워크 대역폭을 추정하고, 버퍼 정보에 기초하여 비트레이트 발진을 방지하기 위한 것이다. 버퍼 정보를 얻기 위해, 우리는 플레이아웃 버퍼 모델(playout buffermodel)을 제시하였다. 플레이아웃 버퍼가 3 영역으로 분할되어 제안된 알고리듬의 공격성을 조정한다. VBR 특성을 고려함으로써 레이트 적응이 플레이아웃 버퍼 점유에 기초하여 설계됨을 입증하였다. HAS 플레이어의 성능을 평가하기 위해, 우리는 레이트 적응 스킴을 구비하는 HAS 시스템을 구현하고, ns-3 네트워크 시뮬레이터를 이용하여 시뮬레이션을 수행하였다. 특히, 평균 비디오 품질 및 품질 평활도(average video quality and quality smoothness)에서 3개의 기존 알고리듬들과 본 발명에서 제안된 콘텐츠-인지 레이트 적응 알고리듬을 비교하였다. 본 시뮬레이션 결과에 기초하면, 불안정한 네트워크 상태 하에서도, 본 발명에서 제안된 콘텐츠-인지 레이트 적응 알고리듬은 매우 높은 품질 평활도(very high qualitysmoothness)를 달성하였다. 본 발명에서 제안된 방식은 실제 세그먼트 정보를 이용하는 콘텐츠-인지 방식을 채택함으로써 안정성(stability)을 개선하였다.
본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 기록 매체는 스토리지, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 모든 형태의 하드웨어 장치가 포함될 수 있다.　프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.　이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로써 작동하도록 구성될 수 있다.
이상에서 설명한 바와 같이, 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진자가 하기의 특허청구범위에 기재된 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 또는 변형하여 실시할 수 있음을 이해할 수 있을 것이다.
d[n]: n번째 세그먼트의 다운로드 듀레이션(download duration)
r[n] : n번째 비디오 세그먼트의 비트레이트(bitrate)
x[n] : 네트워크 처리량(throughput)
b[n] : 버퍼의 시간에 따른 변화량
λ[n] : 클라이언트 버퍼에 세그먼트들이 들어오는 버퍼 필링 레이트
μ[n] : 클라이언트 버퍼로부터 세그먼트들이 나가는 버퍼 드레이닝 레이트

Claims (16)

  1. 콘텐츠를 다양한 비트율로 인코딩하며 각 품질(bitrate) 별 콘텐츠를 byte 단위의 세그먼트로 분할하고 콘텐츠의 정보를 표현하는 매니패스트 파일을 저장하며, 미디어 콘텐츠를 저장하며, 레이트 적응 방식을 사용하여 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버; 및
    적응적 스트리밍 서비스의 체감 품질(QoE, Quality of Experience)을 향상하기 위해, 클라이언트가 상기 서버로 매니패스트 파일을 요청하고 상기 서버로부터 상기 매니패스트 파일을 수신하면 각 품질 별 콘텐츠의 위치와 세그먼트의 실제 크기, 재생 길이의 정보를 인지하며, 상기 서버로부터 세그먼트들을 다운로드 할 때마다 세그먼트의 크기를 사용해 네트워크 대역폭을 측정하며, 대역폭 측정 모듈과 버퍼에서 제공하는 정보를 기반으로 다음에 요청할 세그먼트의 품질(bitrate)을 결정하며, 품질 적응 모듈에서 선택한 품질(bitrate)의 세그먼트에 해당하는 바이트를 요청하는 클라이언트를 포함하며,
    상기 적응적 스트리밍 서비스에서 체감 품질(QoE)을 향상시키기 위해 콘텐츠 특성 기반 스트리밍 시에 서버로 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하고,
    상기 콘텐츠 특성은 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 포함하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템.
  2. 제1항에 있어서,
    상기 매니패스트 파일은 각 품질(bitrate) 별 콘텐츠의 위치와 바이트 범위가 포함되어 있으며, 상기 클라이언트로부터 상기 서버로 상기 매니패스트 파일을 요청하고 이에 대한 응답으로 상기 서버로부터 상기 매니패스트 파일을 수신하면 각 품질 별 콘텐츠의 위치와 세그먼트의 실제 크기, 재생 길이의 정보를 인지하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템.
  3. 제1항에 있어서,
    상기 클라이언트는
    상기 서버로부터 세그먼트들을 다운로드 할 때마다 세그먼트의 크기를 사용하여 네트워크 대역폭을 측정하는 대역폭 측정 모듈;
    상기 대역폭 측정 모듈과 버퍼에서 제공하는 정보를 기반으로 다음에 요청할 세그먼트의 품질을 결정하는 품질 적응 모듈;
    상기 품질 적응 모듈에서 선택한 품질(bitrate)의 세그먼트에 해당하는 바이트를 요청하는 세그먼트 요청 모듈; 및
    각 세그먼트들을 상기 서버로부터 다운로드 할 때마다, 세그먼트의 재생 길이만큼 버퍼 점유량을 증가시키며, 버퍼 점유율과 버퍼 충전 속도를 산출하는 버퍼;
    를 포함하는 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템.
  4. 삭제
  5. 제1항에 있어서,
    상기 클라이언트가 측정한 버퍼 충전 속도(γi)와 버퍼 점유율(βi)을 기반으로 품질 조절 구간은 품질(bitrate)을 급격하게 증가시키는 품질 급증 구간(Aggressive Switch Up), 품질(bitrate)을 한 단계씩 증가시키는 보수적 품질 증가 구간(Conservative Switching), 그리고 품질을 감소시키는 품질 감소 구간(Switch Down)으로 구분되며,
    각 품질 조절 구간은 현재 버퍼 점유율에 따른 두 가지의 품질 조절 임계치에 따라 구분되는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템.
  6. 제5항에 있어서,
    상기 품질 급증 구간에서는 상기 서버로부터 최근 다운로드 한 세그먼트의 버퍼 충전 속도가 충분히 커 버퍼 점유율이 증가하게 되는 경우, 대역폭 효율을 증가시키고 체감 품질(QoE)을 향상시키기 위해 품질 증가를 수행하며, 품질 증가를 위해 버퍼 점유율이 높을 경우와 낮을 경우에 따라 목표 비트율을 설정하며, 목표 품질로 이전 세그먼트의 비트율보다 크고 목표 비트율보다 작은 비트율을 갖는 품질 중 최대 품질(bitrate)을 선택하는 단계;
    상기 보수적 품질 증가 구간은 불필요한 품질 변경에 따른 체감 품질의 저하를 최소화하고 대역폭 효율을 증가시키기 위해 이전 세그먼트의 품질에서 한 단계씩 품질을 증가시키는 단계; 및
    상기 품질 감소 구간에서는 최근 다운로드 한 세그먼트의 버퍼 충전 속도가 작아 버퍼 점유율이 감소하여 재생 끊김이 발생할 가능성이 높아지는 경우, 네트워크 대역폭과 다음 세그먼트의 비트율을 기반으로 목표 비트율을 설정하여 품질 감소를 수행하며, 급격한 품질 감소를 최소화하고 안정적인 스트리밍 서비스를 제공하기 위해 버퍼 점유율이 높을수록 이전 세그먼트와의 품질 차이를 작게 유지할 수 있도록 목표 비트율을 설정하며 버퍼 점유율이 낮을 경우에는 급격하게 감소하는 네트워크 대역폭에 빠르게 반응하기 위해 측정된 네트워크 대역폭에 더 큰 가중치를 반영하여 목표 비트율을 설정하는 단계를 포함하며,
    상기 목표 품질은 목표 비트율보다 작으면서 가장 큰 비트율(bitrate)을 갖는 품질로 설정하며 버퍼 점유율이 높을 경우 목표 품질(bitrate)을 이전 세그먼트의 품질(bitrate)보다 한 단계 낮은 품질(bitrate)로 설정하고, 버퍼 점유율이 낮을 경우에는 네트워크 대역폭보다 낮은 비트율의 품질(bitrate)로 설정하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템.
  7. 제1항에 있어서,
    상기 레이트 적응 방식(rate adaptation scheme)은 i) 네트워크 대역폭 추정(estimation), ⅱ) 예상(expectation), 및 ⅲ) 적응(adaptation) 단계를 포함하며,
    i) 추정 단계에서, 상기 매니패스트 파일로부터의 실제 세그먼트 정보를 사용하여 세그먼트 처리량(segment throughput)을 측정하며, 비디오 세그먼트의 다운로드 말미에, 알고리듬은 식(2)와 같이 네트워크 대역폭(network bandwidth)을 추정하며,
    Figure 112019033753050-pat00007
    (2)
    여기서, d[n]은 n번째 세그먼트의 다운로드 듀레이션(download durationofthen-th segment), Bk[n]은 n번째 세그먼트의 최종 바이트이며, k는 비디오 품질(bitrate)의 레벨, x'[n]은 네트워크 처리량(throughput)이며,
    플레이아웃 버퍼 길이 b[n]은 버퍼 필링 레이트(buffer filling rate) 및 버퍼 드레이닝 레이트(buffer draining rate)를 사용하여 식(3)으로 모델링되며,
    Figure 112019033753050-pat00008
    (3)
    여기서, b[n]은 버퍼의 시간에 따른 변화량, λ[n]은 클라이언트 버퍼에 세그먼트들이 들어오는 버퍼 필링 레이트(buffer filling rate), μ[n]은 클라이언트 버퍼로부터 세그먼트들이 나가는 버퍼 드레이닝 레이트(buffer draining rate)이며,
    버퍼 필링 레이트 λ는 간소하게 χ'[n]/r[n]으로 모델링될 수 있으며, 버퍼 드레이닝 레이트 μ는 비디오가 플레이중일 때는 1이고, 반면 비디오 플레이백이 중지할 때 μ는 0이며, 평균 비디오 비트레이트가 가용 대역폭보다 낮다고 가정하면, λ가 1보다 높기 때문에 플레이아웃 버퍼 길이는 증가하고,
    ⅱ) 예상 단계에서, 제안되는 방식은 다음 비디오 세그먼트를 이용하여 장래 버퍼 점유를 추정하여 버퍼 언더플로 및 오버플로를 방지하며,
    ⅲ) 적응 단계에서, 버퍼의 버퍼링 영역에 기초하여 비디오 비트레이트를 결정하며,
    Figure 112019033753050-pat00009
    (4)
    여기서, r[n+1]은 n+1번째 비디오 세그먼트의 비트레이트, r[n]은 n번째 비디오 세그먼트의 비트레이트, Rk는 정의된 비디오의 품질(bitrate), β는 b[n+1] 대 bmax의 비 이며, 비트레이트 발진을 최소화하기 위해, 항상 현재의 비트레이트에 인접한 비트레이트를 선택하며, 상기 적응 단계는 식(4)로부터 계산되는 다음 비디오 비트레이트에 의해 결정되며, 비디오 비트레이트를 매끄럽게 변화시킴으로써 시스템의 안정성을 개선하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템.
  8. 제1항에 있어서,
    상기 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버가 VBR 비디오 콘텐츠를 스트리밍할 때, 실제 세그먼트의 크기를 사용하여 네트워크 상태를 추정하고 미래 버퍼 점유(future bufferoccupancy)에 기초하여 그 세그먼트들의 비트레이트(bitrate)를 적응시키는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템.
  9. (a) 클라이언트가 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버로 매니패스트 파일을 요청하여, 상기 서버로부터 상기 클라이언트로 매니패스트 파일을 다운로드 하는 단계;
    (b) 상기 클라이언트가 스트리밍을 시작하기 전에 각 품질(bitrate) 별 콘텐츠의 해당 세그먼트의 순서에 따른 바이트를 상기 서버로 요청하며, 상기 클라이언트가 상기 서버로부터 요청한 매니패스트 파일을 다운로드 받은 후 첫 번째 세그먼트를 요청하여 다운로드 받으면 콘텐츠의 메타데이터 박스를 분석하며, 상기 클라이언트가 레이트 적응 방식을 사용하여 상기 매니패스트 파일로부터의 실제 세그먼트 정보를 사용하여 세그먼트 처리량(segment throughput)을 측정하며, 비디오 세그먼트의 다운로드 말미에, 네트워크 대역폭을 추정하는 i) 추정(estimation), ⅱ) 예상(expectation), 및 ⅲ) 적응(adaptation)하는 단계; 및
    (c) 상기 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버가 VBR 비디오 콘텐츠를 스트리밍할 때, 상기 클라이언트가 영상의 데이터가 포함된 세그먼트를 서버로부터 다운로드 받으면서 버퍼링되며 네트워크 대역폭과 버퍼가 충전되는 속도를 측정하고 버퍼 점유율과 네트워크 대역폭을 기반으로 비디오 품질(bitrate)을 조절하는 단계를 포함하며,
    상기 적응적 스트리밍 서비스에서 체감 품질(QoE)을 향상시키기 위해 콘텐츠 특성 기반 스트리밍 시에 서버로 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 고려하여 비디오 품질(bitrate)을 조절하고,
    상기 콘텐츠 특성은 요청할 세그먼트의 크기, 네트워크 대역폭, 및 버퍼 점유율을 포함하는 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법.
  10. 제9항에 있어서,
    상기 매니패스트 파일은 각 품질(bitrate) 별 콘텐츠의 위치와 바이트 범위가 포함되어 있으며, 상기 클라이언트로부터 상기 서버로 상기 매니패스트 파일을 요청하고 이에 대한 응답으로 상기 서버로부터 상기 매니패스트 파일을 수신하면 각 품질 별 콘텐츠의 위치와 세그먼트의 실제 크기, 재생 길이의 정보를 인지하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법.
  11. 제9항에 있어서,
    상기 단계 (b)에서 상기 메타데이터 박스는 각 세그먼트의 바이트 위치와 범위, 및 재생 길이가 모두 포함되어 있기 때문에, 상기 클라이언트에서 각 세그먼트의 마지막 바이트 위치를 따로 분석하지 않아도 각 세그먼트의 실제 바이트 크기를 알 수 있는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법.
  12. 삭제
  13. 제9항에 있어서,
    상기 클라이언트가 측정한 버퍼 충전 속도(γi)와 버퍼 점유율(βi)을 기반으로 품질 조절 구간은 품질(bitrate)을 급격하게 증가시키는 품질 급증 구간(Aggressive Switch Up), 품질(bitrate)을 한 단계씩 증가시키는 보수적 품질 증가 구간(Conservative Switching), 그리고 품질을 감소시키는 품질 감소 구간(Switch Down)으로 구분되며,
    각 품질 조절 구간은 현재 버퍼 점유율에 따른 두 가지의 품질 조절 임계치에 따라 구분되는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법.
  14. 제13항에 있어서,
    상기 품질 급증 구간에서는 상기 서버로부터 최근 다운로드 한 세그먼트의 버퍼 충전 속도가 충분히 커 버퍼 점유율이 증가하게 되는 경우, 대역폭 효율을 증가시키고 체감 품질(QoE)을 향상시키기 위해 품질 증가를 수행하며, 상기 품질 증가를 위해 버퍼 점유율이 높을 경우와 낮을 경우에 따라 목표 비트율을 설정하며, 목표 품질로 이전 세그먼트의 비트율보다 크고 목표 비트율보다 작은 비트율을 갖는 품질 중 최대 품질(bitrate)을 선택하는 단계;
    상기 보수적 품질 증가 구간은 불필요한 품질 변경에 따른 체감 품질의 저하를 최소화하고 대역폭 효율을 증가시키기 위해 이전 세그먼트의 품질에서 한 단계씩 품질을 증가시키는 단계; 및
    상기 품질 감소 구간에서는 최근 다운로드 한 세그먼트의 버퍼 충전 속도가 작아 버퍼 점유율이 감소하여 재생 끊김이 발생할 가능성이 높아지는 경우, 네트워크 대역폭과 다음 세그먼트의 비트율을 기반으로 목표 비트율을 설정하여 품질 감소를 수행하며, 급격한 품질 감소를 최소화하고 안정적인 스트리밍 서비스를 제공하기 위해 버퍼 점유율이 높을수록 이전 세그먼트와의 품질 차이를 작게 유지할 수 있도록 목표 비트율을 설정하며 버퍼 점유율이 낮을 경우에는 급격하게 감소하는 네트워크 대역폭에 빠르게 반응하기 위해 측정된 네트워크 대역폭에 더 큰 가중치를 반영하여 목표 비트율을 설정하는 단계를 포함하며,
    상기 목표 품질은 목표 비트율보다 작으면서 가장 큰 비트율(bitrate)을 갖는 품질로 설정하며 버퍼 점유율이 높을 경우 목표 품질(bitrate)을 이전 세그먼트의 품질(bitrate)보다 한 단계 낮은 품질(bitrate)로 설정하고, 버퍼 점유율이 낮을 경우에는 네트워크 대역폭보다 낮은 비트율의 품질(bitrate)로 설정하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법.
  15. 제9항에 있어서,
    상기 레이트 적응 방식(rate adaptation scheme)은 i) 네트워크 대역폭 추정(estimation), ⅱ) 예상(expectation), 및 ⅲ) 적응(adaptation) 단계를 포함하며,
    i) 추정 단계에서, 상기 매니패스트 파일로부터의 실제 세그먼트 정보를 사용하여 상기 세그먼트 처리량(segment throughput)을 측정하며, 비디오 세그먼트의 다운로드 말미에, 알고리듬은 식(2)와 같이 네트워크 대역폭(network bandwidth)을 추정하며,
    Figure 112018020464245-pat00010
    (2)
    여기서, d[n]은 n번째 세그먼트의 다운로드 듀레이션(download durationofthe n-th segment), Bk[n]은 n번째 세그먼트의 최종 바이트이며, k는 비디오 품질(bitrate)의 레벨, x'[n]은 네트워크 처리량(throughput)이며,
    플레이아웃 버퍼 길이 b[n]은 버퍼 필링 레이트(buffer filling rate) 및 버퍼 드레이닝 레이트(buffer draining rate)를 사용하여 식(3)으로 모델링되며,
    Figure 112018020464245-pat00011
    (3)
    여기서, b[n]은 버퍼의 시간에 따른 변화량, λ[n]은 클라이언트 버퍼에 세그먼트들이 들어오는 버퍼 필링 레이트(buffer filling rate), μ[n]은 클라이언트 버퍼로부터 세그먼트들이 나가는 버퍼 드레이닝 레이트(buffer draining rate)이며,
    버퍼 필링 레이트 λ는 간소하게 χ'[n]/r[n]으로 모델링될 수 있으며, 버퍼 드레이닝 레이트 μ는 비디오가 플레이중일 때는 1이고, 반면 비디오 플레이백이 중지할 때 μ는 0이며, 평균 비디오 비트레이트가 가용 대역폭보다 낮다고 가정하면, λ가 1보다 높기 때문에 플레이아웃 버퍼 길이는 증가하고,
    ⅱ) 예상 단계에서, 제안되는 방식은 다음 비디오 세그먼트를 이용하여 장래 버퍼 점유를 추정하여 버퍼 언더플로 및 오버플로를 방지하며,
    ⅲ) 적응 단계에서, 버퍼의 버퍼링 영역에 기초하여 비디오 비트레이트를 결정하며,
    Figure 112018020464245-pat00012
    (4)
    여기서, r[n+1]은 n+1번째 비디오 세그먼트의 비트레이트, r[n]은 n번째 비디오 세그먼트의 비트레이트, Rk는 정의된 비디오의 품질(bitrate), β는 b[n+1] 대 bmax의 비 이며, 비트레이트 발진을 최소화하기 위해, 항상 현재의 비트레이트에 인접한 비트레이트를 선택하며, 상기 적응 단계는 식(4)로부터 계산되는 다음 비디오 비트레이트에 의해 결정되며, 비디오 비트레이트를 매끄럽게 변화시킴으로써 시스템의 안정성을 개선하는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법.
  16. 제9항에 있어서,
    상기 콘텐츠-인지 접근 방식의 적응적 스트리밍 서비스를 제공하는 서버가 VBR 비디오 콘텐츠를 스트리밍할 때, 실제 세그먼트의 크기를 사용하여 네트워크 상태를 추정하고 미래 버퍼 점유(future buffer occupancy)에 기초하여 그 세그먼트들의 비트레이트(bitrate)를 적응시키는, 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 방법.
KR1020180024064A 2018-02-27 2018-02-27 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법 KR101982290B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180024064A KR101982290B1 (ko) 2018-02-27 2018-02-27 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180024064A KR101982290B1 (ko) 2018-02-27 2018-02-27 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101982290B1 true KR101982290B1 (ko) 2019-05-24

Family

ID=66680216

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180024064A KR101982290B1 (ko) 2018-02-27 2018-02-27 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101982290B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210042051A (ko) 2019-10-08 2021-04-16 광운대학교 산학협력단 적응적 스트리밍 서비스를 위한 다중 경로 기반 블록 전송 시스템 및 스트리밍 방법
CN113852817A (zh) * 2020-06-28 2021-12-28 上海交通大学 一种自适应码率传输的服务器及码率确定方法
CN114095756A (zh) * 2021-11-17 2022-02-25 天津大学 基于长期视野预测的自适应全景视频流传输系统及其方法
CN114449353A (zh) * 2020-11-02 2022-05-06 胡露有限责任公司 用于视频流的基于会话的自适应回放配置文件决策
CN114727128A (zh) * 2022-03-30 2022-07-08 恒玄科技(上海)股份有限公司 播放终端的数据传输方法、装置、播放终端及存储介质
KR20230094598A (ko) * 2021-12-21 2023-06-28 서울대학교산학협력단 미디어 스트리밍 처리 장치 및 방법
CN116916113A (zh) * 2023-09-06 2023-10-20 联通(江苏)产业互联网有限公司 一种基于5g视频客服的数据流平滑处理方法
CN117156175A (zh) * 2023-10-30 2023-12-01 山东大学 基于视口预测距离控制的全景视频流QoE优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130112936A (ko) * 2011-01-04 2013-10-14 알까뗄 루슨트 적응적 스트리밍 서비스를 제공하기 위한 방법
KR20140041256A (ko) * 2012-09-27 2014-04-04 배재대학교 산학협력단 Ｈｔｔｐ에 기초한 동적 적응적 스트리밍 시스템
KR101638509B1 (ko) * 2015-04-14 2016-07-12 고려대학교 산학협력단 모바일 멀티미디어 스트리밍 서비스를 위한 비디오 품질 제어 장치 및 방법
KR101718127B1 (ko) 2016-02-24 2017-03-20 광운대학교 산학협력단 상황 인지 스트리밍 서비스를 위한 콘텐츠 패키징 시스템 및 스트리밍 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130112936A (ko) * 2011-01-04 2013-10-14 알까뗄 루슨트 적응적 스트리밍 서비스를 제공하기 위한 방법
KR20140041256A (ko) * 2012-09-27 2014-04-04 배재대학교 산학협력단 Ｈｔｔｐ에 기초한 동적 적응적 스트리밍 시스템
KR101638509B1 (ko) * 2015-04-14 2016-07-12 고려대학교 산학협력단 모바일 멀티미디어 스트리밍 서비스를 위한 비디오 품질 제어 장치 및 방법
KR101718127B1 (ko) 2016-02-24 2017-03-20 광운대학교 산학협력단 상황 인지 스트리밍 서비스를 위한 콘텐츠 패키징 시스템 및 스트리밍 방법

Non-Patent Citations (21)

* Cited by examiner, † Cited by third party
Title
"Cisco Visual Networking Index: Forecast and methodology, 2015-2020, Cisco System Inc., San Jose, CA, USA, Jun.2016.
A. Bokani, M. Hassan, S. Kanhere, and X. Zhu, "Optimizing HTTP-baseadaptive streaming in vehicular environment using markov decision process," IEEE Trans. Multimedia, vol. 17, no. 12, pp. 2297-2309, Dec.2015.
C. Zhou, X. Zhang, L. Huo,and Z. Guo, "A control-theoretic approach trate adaptation for dynamic HTTP streaming" in Proc. IEEE VCIP, Nov. 2012, pp. 1-6.
D. Jarnikov and T. Ozcelebi, "Client intelligence for adaptive streaminsolutions," Signal Process.: Image Commun., vol. 26, no. 7, pp. 378-389, Aug.2011.
E. C. R. Mok, X. Luo,and R. Chang, "QDASH: A QoE-aware DASsystem," in Proc. ACM MMSys, Feb. 2012, pp. 11-22.
J. He, Z. Xue,D. Wu,D. O. Wu,and Y. Wen, "CBM: Online strategieon cost-aware buffer management for mobile video streaming," IEEE Trans. Multimedia, vol. 16, no. 1, pp. 242-252, Jan. 2014.
J. Jiang, V. Sekar, and H. Zhang, "Improving fairness, efficiency, anstability in HTTP-based adaptive video streaming with FESTIVE," in Proc. ACM CoNEXT, Dec. 2012, pp. 97-108.
J. Roettgers, "Don't touch that dial: How YouTube is bringing adaptstreaming to mobile, TVs," Mar. 2013. [Online]. Availablehttp://gigaom.com/2013/03/13/youtube-adaptive-streaming-mobile-tv
Kim, Myongwoo, Jiwoo Park, and Kwangsue Chung. "Content-aware rate adaptation scheme to improve stability in HTTP Adaptive Streaming." Information Networking (ICOIN), IEEE(2017.04.17.) 1부.* *
L. D. Cicco, S. Mascolo, and V. Palmisano, "Feedback control foadaptive live video streaming," in Proc. ACM MMSys, Feb. 2011, pp.145-156.
L. D. Cicco, V. Caldaralo, V. Palmisano, and S. Mascolo, "ELASTIC: client-side controller for dynamic adaptive streaming over HTTP(DASH)," in Proc. Int. PV Workshop, Dec. 2013, pp. 1-8.
P. Juluri,V. Tanarapalli, and D. Medhi, "SARA: Segment Aware RatAdaptation Algorithm for Dynamic Adaptive Streaming Over HTTP," in Proc. IEEE ICC, Jun.2012, pp. 1765-177
S. Akhshabi, A. C. Begen, and C. Dovrolis, "An experimental evaluation of rate-adaptation algorithms in adaptive streaming over HTTP," in Proc. ACM MMSys, Feb. 2011, pp. 157-168.
S. Akhshabi, L. Anantakrishnan, A. C. Begen, and C. Dovrolis, "What happens when HTTP adaptive streaming players compete for bandwidth?," in Proc. ACM NOSSDAV, Jun.2012, pp. 9-14.
S. Akhshabi, L. Anantakrishnan, C. Dovrolis, and A. C. Began, "Server-based traffic shaping for stabilizing oscillating adaptive streaming players," in Proc. ACM NOSSDAV, Feb. 2013, pp. 19-24.
T. Huang,N. Handigol, B. Heller, N. McKeown, and R. Johari, "Confused, timid, and unstable: Picking a video streaming rate is hard," in Proc. ACM IMC, Nov. 2012, pp. 225-238.
T. Huang,R. Johari, N. McKeown, M. Trunnell, and M. Watson, "buffer-basedapproach to rate adaptation: Evidence from a large video streaming service," in Proc. ACM SIGCOMM, Aug. 2014, pp. 187-198.
T. Stockhammer, "Dynamic adaptive streaming over HTTP - Standardand design principles," in Proc. ACM MMSys, Feb. 2011, pp. 133-144.
X. Zhu, Z. Li, R. Pan, J. Gahm, and H. Hu, "Fixing multi-clienoscillations in HTTP-based adaptive streaming: A control theoretic approach," in Proc. IEEE Int. Workshop MMSP, Oct. 2013, pp. 230-235.
Y. Xu,E. Altman, R. El-Azouzi, M. Haddad, S. Elayoubi, and T. Jimenez, "Analysis of bufferstarvation with application to objective Qooptimization of streaming services," IEEE Trans. Multimedia, vol. 16, no.3, pp. 813-827, Apr. 2014.
Z. Li, X. Zhu, J. Gahm, R. Pan, H. Hu,A. C. Began, and D. Oran, "Proband adapt: Adaptation for HTTP video streaming at scale,"IEEE J. Sel. Areas Commun., vol. 32, no. 4, pp. 719-733, Apr. 2014.

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210042051A (ko) 2019-10-08 2021-04-16 광운대학교 산학협력단 적응적 스트리밍 서비스를 위한 다중 경로 기반 블록 전송 시스템 및 스트리밍 방법
CN113852817A (zh) * 2020-06-28 2021-12-28 上海交通大学 一种自适应码率传输的服务器及码率确定方法
CN113852817B (zh) * 2020-06-28 2024-04-05 上海交通大学 自适应码率传输服务器、码率确定方法、传输系统及方法
CN114449353A (zh) * 2020-11-02 2022-05-06 胡露有限责任公司 用于视频流的基于会话的自适应回放配置文件决策
US11812081B2 (en) 2020-11-02 2023-11-07 Hulu, LLC Session based adaptive playback profile decision for video streaming
CN114449353B (zh) * 2020-11-02 2024-03-12 葫芦有限责任公司 用于视频流的基于会话的自适应回放配置文件决策
CN114095756A (zh) * 2021-11-17 2022-02-25 天津大学 基于长期视野预测的自适应全景视频流传输系统及其方法
CN114095756B (zh) * 2021-11-17 2024-04-02 天津大学 基于长期视野预测的自适应全景视频流传输系统及其方法
KR102643682B1 (ko) 2021-12-21 2024-03-05 울산과학기술원 미디어 스트리밍 처리 장치 및 방법
KR20230094598A (ko) * 2021-12-21 2023-06-28 서울대학교산학협력단 미디어 스트리밍 처리 장치 및 방법
CN114727128A (zh) * 2022-03-30 2022-07-08 恒玄科技(上海)股份有限公司 播放终端的数据传输方法、装置、播放终端及存储介质
CN114727128B (zh) * 2022-03-30 2024-04-12 恒玄科技(上海)股份有限公司 播放终端的数据传输方法、装置、播放终端及存储介质
CN116916113B (zh) * 2023-09-06 2023-12-22 联通(江苏)产业互联网有限公司 一种基于5g视频客服的数据流平滑处理方法
CN116916113A (zh) * 2023-09-06 2023-10-20 联通(江苏)产业互联网有限公司 一种基于5g视频客服的数据流平滑处理方法
CN117156175B (zh) * 2023-10-30 2024-01-30 山东大学 基于视口预测距离控制的全景视频流QoE优化方法
CN117156175A (zh) * 2023-10-30 2023-12-01 山东大学 基于视口预测距离控制的全景视频流QoE优化方法

Similar Documents

Publication Publication Date Title
KR101982290B1 (ko) 적응적 스트리밍 서비스의 체감 품질 향상을 위한 콘텐츠 특성 기반 스트리밍 시스템 및 방법
CN110268694B (zh) 在自适应位速率流传输期间在多个内容递送网络之间进行自适应切换的系统和方法
Juluri et al. SARA: Segment aware rate adaptation algorithm for dynamic adaptive streaming over HTTP
US10320869B2 (en) Network-capacity optimized adaptive HTTP streaming
CN109302623B (zh) 一种基于QoE模型动态自适应视频的传输方法
CN108184152B (zh) 一种dash传输系统两阶段客户端码率选择方法
WO2005002156A1 (en) Method and apparatus for dynamic bandwidth adaptation
KR20150042191A (ko) 적응적 비트레이트 스트리밍에서 대역폭 할당을 위한 방법들 및 디바이스들
Zhou et al. TFDASH: A fairness, stability, and efficiency aware rate control approach for multiple clients over DASH
KR102652518B1 (ko) 비디오 스트리밍을 위한 세션 기반 적응적 재생 프로파일 판정
KR101718127B1 (ko) 상황 인지 스트리밍 서비스를 위한 콘텐츠 패키징 시스템 및 스트리밍 방법
ur Rahman et al. Buffer-based adaptive bitrate algorithm for streaming over HTTP
Rahman et al. A client side buffer management algorithm to improve QoE
KR102304476B1 (ko) 적응적 스트리밍 서비스를 위한 다중 경로 기반 블록 전송 시스템 및 스트리밍 방법
US20240137585A1 (en) Multiple protocol prediction and in-session adaptation in video streaming
Baik et al. VSync: Cloud based video streaming service for mobile devices
Hung et al. Flexible HTTP-based Video Adaptive Streaming for good QoE during sudden bandwidth drops
Kim et al. Content-aware rate adaptation scheme to improve stability in HTTP Adaptive Streaming
Togou et al. An elastic DASH-based bitrate adaptation scheme for smooth on-demand video streaming
Park et al. Client-side rate adaptation scheme for HTTP adaptive streaming based on playout buffer model
ur RAHMAN et al. Chunk size aware buffer-based algorithm to improve viewing experience in dynamic HTTP streaming
Wisniewski et al. On optimizing adaptive algorithms based on rebuffering probability
Younus et al. A model for a practical evaluation of a DASH-based rate adaptive algorithm over HTTP
Park et al. Queueing theoretic approach to playout buffer model for HTTP Adaptive Streaming
Tadahal et al. A Survey On Adaptive Bitrate Algorithms and Their Improvisations

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant