KR20040068215A - 미디어 프레임의 품질을 설정하는 방법 및 그 시스템 - Google Patents

Abstract

본 발명은 시간 및 자원 억제 환경들 내에서 최대로 감지되는 사용자 품질을 유지하기 위해 사용될 수 있는 마르코브(Markov) 결정 문제들 등의 적응형 스케쥴링 및 자원 관리 기술들에 관한 것이다.

Description

미디어 프레임의 품질을 설정하는 방법 및 그 시스템{Method of and system to set a quality of a media frame}

상기 종류의 방법 및 시스템의 실시예는 대리인 참조 번호 PHNL010327인 아직 선 공개되지 않은 EP 출원 제EP0109691호에 기재되어 있다. 여기서, VCR, DVD-RW, 하드 디스크와 같은 시스템 상에서 또는 인터넷 링크 상에서 알고리즘 및 스케일 가능하고 프로그램 가능한 처리 디바이스를 운영하는 방법이 기재되어 있다.이 알고리즘들은 복수개의 품질 레벨들의 처리를 제공하면서 미디어 프레임들, 예를 들면 비디오 프레임들을 처리하도록 설계된다. 각각의 품질 레벨은 일정량의 자원들을 필요로 한다. 상이한 품질 레벨들에 대한 상이한 요건들에 따라, 유효 자원들의 예산들이 허용 가능한 출력 품질의 미디어 프레임들을 제공하기 위해 알고리즘들에 할당된다. 그러나, 미디어 스트림의 콘텐츠는 시간이 흐름에 따라 변화하고, 이는 시간에 따라 알고리즘들을 처리하는 미디어의 상이한 자원 요건들을 유도한다. 자원들은 유한적이기 때문에, 최종 기한 상실들이 발생하기 쉽다. 이를 완화시키기 위해, 미디어 알고리즘들은 디폴트 품질 레벨들보다 더 낮게 운행될 수 있고, 이는 상응하게 보다 낮은 자원 수요들을 유도할 수 있다.

본 발명은 미디어 프레임의 품질을 설정하는 방법에 관한 것이다.

또한, 본 발명은 미디어 프레임의 품질을 설정하는 시스템에 관한 것이다.

또한, 본 발명은 그러한 방법을 수행하도록 설계된 컴퓨터 프로그램 제품에 관한 것이다.

또한, 본 발명은 그러한 컴퓨터 프로그램 제품을 포함하는 저장 디바이스에 관한 것이다.

또한, 본 발명은 그러한 시스템을 포함하는 텔레비전 세트 및 셋톱 박스에 관한 것이다.

본 발명의 이들 국면 및 다른 국면들은 다음에 예시한 바와 같이 이후 기재되는 실시예들을 참조함에 따라 명백해지고 명확해질 것이다.

도 1은 시간대의 일 실시예를 도시하는 도면;

도 2는 시간대의 다른 실시예를 도시하는 도면;

도 3은 하나의 프레임을 디코딩하는데 필요한 처리 시간의 축적된 분배 기능을 도시하는 도면;

도 4는 전형적인 제어 전략을 도시하는 도면;

도 5는 문제의 경우들에 대한 전이당 평균 수익을 도시하는 도면;

도 6은 품질 레벨 용법을 도시하는 도면;

도 7은 최종 기한 상실들의 백분율을 도시하는 도면;

도 8은 품질 레벨의 평균 증분을 도시하는 도면;

도 9는 반복들의 횟수 예를 들면 접근들의 횟수를 도시하는 도면;

도 10은 측정된 연산 시간을 도시하는 도면;

도 11은 건너뛰는 최종 기한 상실 접근법을 도시하는 도면;

도 12는 본 발명에 따른 시스템을 개략적 방식으로 도시하는 도면;

도 13은 본 발명에 따른 텔레비전 수상기를 개략적 방식으로 도시하는 도면;

도 14는 본 발명에 따른 셋톱 박스를 개략적 방식으로 도시하는 도면.

본 발명의 목적은 개선된 방식으로 미디어 프레임을 처리하는 품질 레벨 변화들을 제어하는 품질 레벨 제어 전략을 사용하는 머리말에 따른 방법을 제공하는 것이다. 이러한 목적을 달성하기 위해, 미디어 처리 애플리케이션으로 미디어 프레임의 품질을 설정하는 방법은,

미디어 프레임을 처리하기 위해 사용될 자원들의 양을 결정하는 단계;

이정표에서 산출된 미디어 처리 애플리케이션의 상대적 진전에 기초하여 미디어 프레임의 품질을 제어하는 단계를 포함한다.

이정표의 최종 기한이 최종 기한 주기들 내에서 표현될 때까지 시간에 따른 주기의 최종 기한에 관한 애플리케이션들의 상대적 진전을 사용함으로써, 최종 기한 상실이 발생하는 경우가 결정될 수 있다. 최종 기한 상실을 방지하기 위해, 처리 알고리즘의 품질은 사용자에 의해 미디어 프레임의 인지된 품질을 개선시킬 수 있는 이정표에서 채택될 수 있다. 다른 장점은 품질 레벨 변화가 사용자에 의해 품질 없음으로서 인지될 수 있기 때문에 많은 품질 레벨 변화들은 허용 가능한 품질 레벨을 유지하면서 보다 잘 제어될 수 있다는 것이다.

본 발명에 따른 방법의 일 실시예는 특허 청구 범위 제2항에 개시되어 있다. 마르코브(Markov) 결정 문제로서 품질 제어 전략을 모델링함으로써, 품질 제어 전략은 추측적 결정 문제로 나타날 수 있다. 추측적 결정 문제는 문헌(Stochastic Dynamic Programming, Phd thesis, Mathematisch Centrum Amsterdam, 1980, J. van der wal.)에 개시되어 있다. 마르코브 결정 문제를 해결함으로써, 상이한 전략들의 품질 효과들이 보다 용이하게 예측될 수 있다.

본 발명에 따른 방법의 일 실시예는 특허 청구 범위 제3항에 개시되어 있다. 모든 전이들에 걸쳐 수익들의 합을 최대화시키는 결정 전략을 사용함으로써, 최종 기한 상실들이 잘 방지될 수 있다.

본 발명에 따른 방법의 일 실시예는 특허 청구 범위 제4항에 개시되어 있다. 전이당 평균 수익을 최대화시키는 결정 전략을 사용함으로써, 많은 품질 변화들이 잘 제어될 수 있다.

본 발명의 다른 목적은 개선된 방식으로 품질 레벨 변화들을 제어하는 품질 레벨 제어 전략을 사용하는 머리말에 따른 시스템을 제공하는 것이다. 이러한 목적을 달성하기 위해, 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 시스템은,

미디어 프레임을 처리하기 위해 사용되어야 할 자원들의 양을 결정하기 위해 착상된 결정 수단;

이정표에서 산출된 미디어 처리 애플리케이션의 상대적 진전에 기초하여 미디어 프레임의 품질을 제어하기 위해 착상된 제어 수단을 포함한다.

오늘날, 많은 미디어 처리 애플리케이션들은 장시간에 걸쳐 현저히 변화하는 CPU 로드를 생성한다. 따라서, 그러한 미디어 처리 애플리케이션이 그의 최악의 경우의 로드 상황에서 필요한 것보다 적은 CPU 예산에 할당되면, 최종 기한 상실들이 발생하기 쉽다. 이러한 문제는 스케일 가능한 형식으로 미디어 처리 애플리케이션들을 설계함으로써 완화될 수 있다. 스케일 가능한 미디어 처리 애플리케이션은 디폴트 품질 레벨들보다 낮은 레벨로 운행될 수 있고, 이는 상응하는 낮은 자원 수요들을 유도한다. 한가지 문제는 고정 CPU 예산을 할당받는 스케일 가능한 미디어 처리 애플리케이션을 위한 품질 레벨 제어 전략을 발견하는 것이다. 그러한 제어 전략은 최종 기한 상실들의 횟수 및 품질 레벨 변화들의 횟수 모두를 최소화시키면서 품질 레벨을 최대화시킨다.

본 발명에 따라, 이러한 문제는 마르코브(Markov) 결정 문제로서 모델링된다. 이 모델은 그의 이정표에서 애플리케이션의 상대적 진전을 산출하는 것에 기초한다. 마르코브 결정 문제를 해결하는 것은 매우 적은 경비만으로 운행 시간 동안 적용될 수 있는 품질 레벨 제어 전략을 초래한다. 이러한 접근법은 실제적인예의 수단에 의해 평가되고, 이는 스케일 가능한 MPEG-2 디코더인 것으로 생각된다.

셋톱 박스들 및 디지털 TV 수상기들 등의 소비자 단말기들은 시장에서 개방적이고 융통적이 되도록 요구된다. 이는 여러 가지 전용 하드웨어 부품들을 대체하고, 특이적 미디어 처리 애플리케이션들을 수행함으로써 등가의 미디어 처리 애플리케이션들이 실행되는 중앙 처리 장치(CPU)에 의해 달성된다. CPU 시간, 메모리 및 버스 대역폭 등의 자원들은 이들 애플리케이션들 사이에서 공유된다. 여기서, 바람직하게는 CPU 자원이 고려된다.

미디어 처리 애플리케이션들은 2가지 중요한 특성들을 갖는다. 먼저, 이들은 시간에 걸쳐 매우 현저하게 변화할 수 있는 자원 수요들을 갖는다. 이는 변화하는 크기 및 이들이 처리하는 미디어 데이터의 복잡성에 기인한다. 둘째, 이들은 실시간 수요들을 갖고, 이는 예를 들면 출력에서 하락들(hiccups)을 피하기 위해 놓칠 수 없는 최종 기한을 초래한다. 따라서, 이상적인 처리 작용은 최악의 경우의 로드 상황에서 그것이 필요로 하는 양의 자원들을 미디어 처리 애플리케이션에 적어도 할당함으로써 얻어진다. 그러나, CPUs는 전용 부품들에 비해 고가이다. 비용 효율적으로 되기 위해, 자원들은 평균적인 경우의 상황에 근접하게 할당되어야 한다. 일반적으로, 이는 미디어 처리 애플리케이션들이 이들의 실시간 수요들을 만족시킬 수 없는 상황으로 유도된다.

이러한 문제는 디폴트 품질 레벨들보다 낮게 운행될 수 있는 방식으로 미디어 처리 애플리케이션들을 디자인함으로서 다루어질 수 있고, 이는 상응하게 낮은자원 수요들을 유도한다. 그러한 스케일 가능한 미디어 처리 애플리케이션들은 그것이 최종 기한 상실의 위험을 갖는 경우의 그의 품질 레벨을 감소시키도록 설정될 수 있다. 이러한 방식으로, 실시간 수요들은 만족될 수 있고, 이는 활발한(robust) 시스템을 초래한다.

이후 애플리케이션이라 칭하는 하나의 스케일 가능한 미디어 처리 애플리케이션을 고려하자. 이 애플리케이션은 입력 버퍼로부터 작업 유니트들을 지속적으로 페치하고, 이들을 처리하고, 이들을 출력 버퍼에 기입한다. 이 때문에, 이 애플리케이션은 처리를 위한 고정된 예산을 주기적으로 수신한다. 작업 유닛들은 크기 및 처리의 복잡성에 있어서 변화할 수 있고, 따라서 하나의 작업 유닛을 처리하는데 필요한 시간은 고정되지 않는다. 작업 유닛의 마무리는 이정표라 칭한다. 최종 기한이 존재하는 각각의 이정표에 대해, 이들 최종 기한들은 시간적으로 엄격하게 주기적인 것으로 가정된다. 분명히, 최종 기한 상실들은 방지되어야 한다.

각각의 이정표에서, 상대적인 진전은 주기적 최종 기한들에 관하여 애플리케이션으로 산출된다. 이정표에서 상대적인 진전은 이정표의 최종 기한이 최종 기한 기간들 내에 표현될 때까지의 시점으로서 정의된다. 분명히, 이와 같이 상대적인 진전은 부정적인이지 않아야 한다. 더욱이, 제한된 버퍼 크기로 인한 상대적인 진전에 대한 상한선이 존재한다.

이정표에서 상대적 진전이 부정적인으로 변하는 경우, 한개 이상의 최종 기한 상실들이 발생한다. 이를 방지하기 위해, 애플리케이션이 각각의 이정표에서 운행되는 품질 레벨이 채택된다. 문제는 다음 3가지 목적들이 부합되도록 이러한품질 레벨을 선택하는 것이다. 먼저, 작업 유닛이 처리되는 품질 레벨은 가능한 한 높아야 된다. 둘째, 최종 기한 상실들의 수는 가능한 한 낮아야 한다. 마지막으로, 품질 레벨 변화들의 수는 역시 가능한 한 낮아야 하고, 그 이유는 품질 레벨 변화들이 비품질로서 인식되기 때문이다.

결과의 품질 레벨 제어 전략은 온라인으로 적용되어야 하고 애플리케이션과 동일한 CPU 상에서 실행되는 것에 주의하자. 따라서, 그것은 필요한 CPU 시간의 양에서 효율적이어야 한다.

추측적 결정 문제를 다루는 통상적인 방식은 마르코브 결정 문제와 같이 그것을 모델링하는 것이다. 문헌(J. van der Wal. Stochastic Dynamic Programming, Phd Thesis, Mathematisch Centrum Amsterdam 1980) 참조.

각각의 이정표에서, 애플리케이션의 상대적인 진전이 산출된다. 여기서, 이정표에서 상대적인 진전은 이정표의 최종 기한이 최종기한 기간들 내에 표현될 때까지의 시점으로서 정의된다.

이정표들에서 상대적 진전은 다음과 같이 산출될 수 있다. 일반성의 손실 없이, 애플리케이션은 t=0 시점에서 처리를 시작한다고 가정하자. 이정표 m의 시간은 c_m으로 나타낸다. 다음으로, 이정표 m의 최종 기한은 d_m으로 나타낸다. 최종 기한들은 엄격히 주기적이고, 이는 이들이 다음 식으로서 기입될 수 있음을 의미한다.

d_m= d₀+_mP

여기서 P는 2개의 연속적인 최종 기한들 사이의 기간이고 d₀는 오프셋이다. ρ_m으로 나타낸, 이정표 m에서의 상대적 진전은 이하 다음 식으로 주어진다.

상대적 진전의 산출을 예시하기 위해, 도 1에 나타낸 전형적인 시간대를 고려하자. 이 실시예에서, P=1 및 d₀=1이다. 식(1)을 사용하여 산출한 1에서 5에 이르는 이정표에서 상대적 진전은 ρ₁=(d₁-c₁)/P=(2-1)/l=1, ρ₂=1.5, ρ₃=1, ρ₄=0 및 ρ₅=0.5로 주어진다. 이정표 4가 바로 시간 내임에 주의하자.

이정표 m에서 상대적 진전이 0 아래로 떨어지는 경우, [-ρ_m] 최종 기한 상실은 이전의 이정표 때문에 발생하였다. 최종 기한 상실이 어떻게 다루어지는지는 애플리케이션 특이적이다. 여기서, 작업 보존 접근법이 가정되고, 이는 갓 생성된 출력이 버려지지 않고 어떤 방식으로든지 사용되는 것을 의미한다. 하나의 방식은 이러한 출력을 최초의 다음 최종 기한에 사용하는 것이고, 이는 채택된 상대적 진전 ρ'_m=ρ_m+ [-ρ_m] ≥0이 얻어진다는 것을 의미한다. 보수적인 접근은 ρ'_m=0, 즉 가능한 최소값을 선택함으로써 가정되고, 이는 어떤 점으로는 생성에 따라 즉각적으로 출력을 사용하는 것에 대응한다. 환언하면, 최종 기한 d_m및 다른 것들은 -ρ_mP의 양으로 지연된다. 결과적으로, 식(1)을 사용한 이정표들에서 상대적 진전이 산출될 수 있지만, 새로운 오프셋 d'₀=d₀-ρ_mP이다.

이러한 처리는 도 2에 나타낸 전형적인 시간대에 의해 예시된다. 이 실시예에서, P=1 및 d₀=0.5이다. 식(1)을 사용하여, 다음이 유도될 수 있다: ρ₁=0.5, ρ₂=0.5 및 ρ₃=-0.5. 이정표 3에서 상대적 진전은 0 아래로 떨어졌고, 따라서, [-ρ₃]=1, 최종 기한 상실은 이정표 2, 즉 t=3.5이기 때문에 발생하였다. 다음으로, 최종 기한 d₃는 d'₃=c₃=4로 연기되고, 추가의 최종 기한들은 또한 0.5만큼 연기된다. 계속하여 ρ₄=0.5 및 ρ₅=0.5인 것으로 밝혀졌다.

이정표에서 애플리케이션의 상태는 자연히 그의 상대적 진전으로 주어진다. 그러나, 이는 무한히 많은 세트의 상태들을 제공하는 반면, 마르코브 결정 문제는 유한한 세트를 필요로 한다. 후자는 다음과 같이 달성된다: p>0은 상대적인 진전에 대해 주어진 상한선을 나타내게 하자. 0과 p 사이의 상대적인 진전 간격은 k=0, ..., n-1에 대해 n≥1 진전 간격들의 유한 세트 ∏={π₀,..., π_n-1}로 분할된다. 진전 간격 π의 하한치 및 상한치는 각각및로 나타낸다.

각각의 이정표에서, 다음 작업 유닛이 진행될 품질 레벨에 관한 결정이 취해져야 한다. 따라서, 마르코브 결정 문제에서 결정들의 세트는 그 애플리케이션이 진행될 수 있는 품질 레벨들의 세트에 대응한다. 이러한 세트는 Q로 나타낸다.

품질 레벨 변화들 역시 고려되고, 따라서 각각의 이정표에서 이전에 사용된 품질 레벨이 공지되어야 한다. 이는 품질 레벨들을 갖는 상태들의 세트를 확장시킴으로써 실현될 수 있다. 따라서, 상태들의 세트는 Πx Q로 된다. 상태 i에서애플리케이션의 진전 간격 및 이전에 사용된 품질 레벨은 각각 π(i) 및 q(i)로 나타낸다.

마르코브 결정 문제들을 구성하는 것중 제2 요소는 전이 확률들이다. 품질 레벨 q가 다음 작업 유닛을 처리하기 위해 선택되는 경우, P^q _ij는 현재 이정표에서 상태 i로부터 다음 이정표에서 상태 j에 이르는 전이를 구성하는 전이 확률을 나타내게 하자. 전이 후, q(i)=q이고, 이는 q≠q(j)인 경우 P^q _ij=0임을 의미한다. 다른 경우, 전이 확률들은 다음과 같이 유도될 수 있다.

일반성의 손실 없이, 애플리케이션은 이정표 m에서 상태 i에 있다고 가정하자. 각각의 품질 레벨 q에 대해, 랜덤 변수 X_q를 도입하면, 이는 애플리케이션이 품질 레벨 q에서 하나의 작업 유닛을 처리하는데 필요한 시간을 제공한다. 애플리케이션이 기간 P당 연산 예산 b를 수신하는 것으로 가정되는 경우, 상대적 진전 ρ_m+1은 회귀적인 식에 의해 ρ_m로 표현될 수 있다.

여기서, 다음 기호가 사용된다:

Y_π,ρ_m,q는 랜덤 변수이고, 이는 다음 이정표에서 애플리케이션의 상대적 진전 ρ_m+1이 진전 간격 π내인 확률을 제공하고, 단 현재 이정표에서 상대적 진전은 ρ_m이고 품질 레벨 q가 선택된다. 이어서, 이는 다음과 같이 유도된다;

F_q는 X_q의 축적 분포 기능을 나타낸다고 하자. 회귀적인 식(2)을 사용함으로써, 그것은 0<x≤p에 대해 유도된다.

x=0에 대해, P(ρ_m+1≥x)=1이고, 이는 (2)로부터 직접적으로 후속된다.

불행하게도, 진전 간격 π(i) 내에서 ρ_m의 위치는 알려져 있지 않다. ρ_m의 비관적인 근사는 간격 내의 최하위 값을 선택함으로서 얻어진다. 이는 다음 근사법을 제공한다.

위에 주어진 바와 같이, P^q _ij는 다음과 같이 근사될 수 있다.

보다 큰 진전 간격이 선택되면, 전이 확률들의 모델링이 보다 정확하고, 식(3)에서의 근사가 보다 양호하다.

마르코브 결정 문제들을 구성하는 것중의 제3 요소는 수익들이다. 상태 i에서 품질 레벨 q를 선택하기 위한 수익은 r^q _i는 로 나타낸다. 수익들은 3개의 문제 목적들을 구현하기 위해 사용된다.

먼저, 작업 유닛들이 처리되는 품질 레벨은 가능한 한 높아야 한다. 이는 각각의 r^q _i에 보상을 할당함으로써 실현되고, 이는 함수 u(q)로 주어진다. 이러한 함수는 유틸리티 함수라 칭한다. 이는 다시 긍정적인 값으로 복귀하고, 이는 품질 레벨 q에서 진행되는 애플리케이션의 출력의 인지가능한 품질에 직접적으로 관련된다.

둘째, 최종 기한 상실들의 수는 가능한 한 낮아야 한다. 1개 이상의 최종 기한 상실들은 이정표에서 상대적 진전이 0 아래로 떨어지는 경우에 달성되었다. 애플리케이션이 이정표 m에서 상태 i에 있는 것으로 가정하면, 이정표 m+1에 도달하기 전에 기대되는 최종 기한 상실들의 수는 다음과 같이 주어진다:

이와 같이 기대되는 수의 최종 기한 상실들을 최종 기한 상실 패널티로 명명되는 긍정적인 상수와 곱한 후, 최종 기한 상실들의 패널티를 구현하기 위해 각각의 r^q _i로부터 이를 감산한다.

마지막으로, 품질 레벨 변화들의 수는 가능한 한 낮아야 한다. 이는 각각의 r^q _i로부터 함수 c(q(i), q)로 주어지는 패널티를 감산함으로서 달성된다. 이러한 함수는 양의 값으로 복귀하고, 이는 q(i)≠q이고, 그렇지 않으면 0인 경우 q(i)와 q 사이의 갭의 크기에 따라 증가할 수 있다. 더욱이, 품질의 증가는 품질의 감소보다 낮은 패널티로 주어질 수 있다. 함수 c(q(i), q)는 품질 변화 함수라 칭한다.

유한 수의 전이들만이 고려되는 경우(이른 바 유한 시간 수평선), 마르코브 결정 문제의 해답은 전체 전이들에 걸쳐 수익들의 합을 최대화시키는 결정 전략으로 주어지고, 이는 다이내믹 프로그래밍에 의해 발견될 수 있다. 그러나, 우리는 무한 시간 수평선을 가지며, 그 이유는 우리가 전이들의 수를 제한할 수 없기 때문이다. 그러한 경우에, 최대화시키기 위한 유용한 기준은 전이당 평균 수익으로 주어진다. 이러한 기준은 모든 전이들이 동등하게 중요하다는 것을 강조한다. 연속 근사, 정책 반복 및 선형 프로그래밍 등의 무한 시간 수평선 마르코브 결정 문제에 대한 많은 해결 기술들이 존재한다. 예를 들면 문헌(Martin L. Puterman, Markov Kecision Processes: Discrete Stochastic Dynamic Programming, Wiley Series in Probability and Mathematical Statistics, John Wiley & Sons Inc. 1994 및 D.J. White, Markov Decision Processes, John Wiley & Sons Inc. 1993) 참조. 여기 기재된 실험들을 위해, 연속적인 근사법이 사용된다.

마르코브 결정 문제를 해결하는 것은 최적의 일정 불변의 전략을 초래한다. 여기서, 일정 불변은 적용된 결정 전략이 모든 이정표들에서 동일하고, 즉, 그것은 이정표의 수에 의존하지 않음을 의미한다.=1014,=4 및 p=2에 대한 전형적인 제어 전략은 도 4에 나타낸다. 예를 들면, 특정 이정표에서 상대적 진전이 1인 경우, 및 이전에 사용된 품질 레벨이 q₁인 경우, 품질 레벨 q₂는 다음 작업 유닛을 처리하기 위해 선택되어야 한다고 한다.

최적성의 손실 없이, 이른바 단조로운 제어 전략들이 사용될 수 있고, 즉, 이전에 사용된 품질 레벨 당 보다 큰 상대적 진전이 크거나 같은 품질 레벨 선택을 초래하는 것으로 가정될 수 있다. 이어서, 최적의 제어 전략을 저장하기 위해, 이전에 사용된 품질 레벨 당 제어 전략이 특정 품질 레벨에서 다른 것으로 변화하는 상대적 진전 경계들만이 저장되어야 한다. 따라서, 제어 전략은 O( ²)의 공간 복잡성을 갖고, 이는 진전 간격들의 수와 독립적이다.

마르코브 결정 문제는 애플리케이션이 실행되기 시작하기 전에 오프라인으로 해결될 수 있다. 다음으로, 우리는 결과의 제어 전략을 온라인으로 다음과 같이 적용한다. 각각의 이정표에서, 이전에 사용된 품질 레벨이 공지되어 있고, 그 애플리케이션의 상대적 진전이 산출된다. 이어서, 다음 작업 유닛이 처리되어야 하는 품질 레벨이 조사된다. 이러한 접근법은 적은 경비를 필요로 한다.

실험들에 대한 입력으로서 539 프레임들의 영화 단편의 추적 파일을 디코딩하는 MPEG-2가 사용된다. 이러한 파일은 그것을 디코딩하기 위해 필요한 처리 시간을 각각의 프레임에 대해 포함하고, 이는 증가하는 품질 순으로 q₀내지 q₃로 라벨링된 4개의 상이한 품질 레벨들 각각에서 TriMedia 상의 CPU 주기로 표현된다. 각각의 품질 레벨에 대해 추적 파일로부터, 하나의 프레임을 디코딩하는 데 필요한 처리 시간의 축적 분포 함수는 도 3에 나타낸 바와 같이 유도된다. 도 3은 품질 레벨 q₀내지 q₃에 대해 하나의 프레임을 디코딩하는 데 필요한 처리 시간의 축적 분포 함수를 예시한다.

문제 파라메터들은 다음과 같이 정의된다. 상대적 진전 p에 대한 상한선은 2와 동일하게 선택되고, 이는 2개의 디코딩된 프레임들을 저장할 수 있는 출력 버퍼가 사용되는 것을 가정한다. 유틸리티 함수는 u(q₀)=1, u(q₁)=5, u(q₂)=7.5 및 u(q₃)=10으로 정의된다. 최종 기한 상실 패널티는 1000과 동일하게 선택되고, 이는 100개의 프레임들당 거의 1의 최종 기한 상실이 허용됨을 의미한다. 품질 변화 함수는 품질 레벨을 증가시키기 위한 품질 레벨들의 수에서의 차이의 5배 및 품질 레벨을 감소시키기 위한 것의 6배의 패널티로 정의된다. 다음으로, 예산 b에 대해 57개의 상이한 값들이 사용되고, 25,000 CPU 주기의 증분 단계들을 사용하여 2,200,000 내지 3,600,000 CPU 주기로 변화한다. 각각의 예산 b에 대해 20개의 상이한 수의 진전 레벨들이 선택되고, 1.2의 배가하는 단계들을 취하여,=30 내지=1014로 변화한다. 이러한 방식으로, 전체적으로 1140 마르코브 결정 문제 경우들이 정의된다.

언급된 바와 같이, 연속적인 근사 알고리즘이 문제 경우들을 해결하기 위해사용된다. 계산의 부정확성에서 벗어나, 이러한 알고리즘은 최적의 제어 전략들을 발견한다. 우리는 부정확도 변수에 대해 0.001의 값을 사용한다. 결과의 제어 전략들은 다음 프레임이 디코딩되어야 하는 품질 레벨, 주어진 상대적 진전 및 이전에 사용된 품질 레벨을 각각의 이정표에 제공한다. 각각의 연산된 제어 전략에 대해, 스케일 가능한 MPEG-2 디코더의 실행은 이러한 제어 전략을 사용하여 시뮬레이션된다. 이들 시뮬레이션들은 주어진 처리 시간 분포들에 기초하여 합성적으로 생성되는 추적 파일로부터 처리 시간들을 사용하지만 539 대신에 30,000개의 프레임들로 구성된다. 각각의 시뮬레이션에서, 초기 품질 레벨로서 q₀가 선택되고, 전이당 실제 평균 수익, 품질 레벨 용법, 최종 기한 상실들의 백분율 및 품질 레벨에서 변화들이 측정된다.

진전 레벨들의 수는 1.2의 배가하는 단계들을 취하여, 30에서 1014로 변화되고, 이는 예산당 20문제 경우들을 초래한다. 도 4는 b=3,100,000 및=1014에 대한 결과의 최적 제어 전략을 보여준다. 알다시피, 제어 전략은 사실상 사용된 품질 레벨을 유지하는 경향을 나타낸다.

도 5는 문제 경우들을 해결하는 데 필요한 연산들 및 시뮬레이션들에서 측정된 실제값에서 밝혀진 바와 같이, b=3,100,000인 20 문제 경우들에 대한 전이당 평균 수익을 보여준다. 시뮬레이션들에서 평균 수익은 약 8.27의 값으로 신속히 수렴된다. 연산들에서 평균 수익은 이러한 값을 수렴하기 위해 보다 많은 진전 간격들을 필요로 하고, 이는 식(3)에서 비관적인 근사에 기인한다. 뿐만 아니라, 약=200에서의 제어 전략들은 시뮬레이션들에서 약 8.27의 평균 수익을 이미 초래한다. 환언하면, (거의) 최적의 제어 전략을 찾기 위해 그렇게 많은 진전 간격들이 필요치 않다.

다음으로, 도 6-8은 수익들의 3개의 성분들을 보여주고, 여기서, 도 6은 품질 레벨 용법을 보여주고, 도 7은 최종 기한 상실들의 백분율을 보여주고, 도 8은 품질 레벨들에서 평균 증분을 보여주고, 이들은=1014인 모든 문제 경우들의 시뮬레이션들에서 측정된 바와 같다. 품질 레벨에서 평균 감소분은 나타내지 않았고, 그 이유는 그것이 품질 레벨에서 평균 증분과 거의 동일하기 때문이다. 예산이 증가하는 경우, 종종 보다 큰 품질 레벨이 선택되는 경우가 많으면, 최종 기한 상실들의 백분율은 b=2,650,000에서 0으로 가파르게 하강한다. 보다 많은 예산들에 대한 최종 기한 상실들의 낮은 백분율은 상대적으로 큰 최종 기한 상실 패널티에 기인한다. 품질 레벨에서 평균 증분 및 평균 감소분이 낮은 것으로 추가로 관찰된다. 따라서, 모든 3개의 문제 목적들이 부합되는 것으로 결론내릴 수 있다.

3개의 성분들이 평균 수익에 어떻게 기여하는지에 대한 예를 제공하기 위해,=1014 및 b=3,100,000인 경우를 고려하자. 이 때문에, 0.0033*1 + 0.0102*5 + 0.5953*7.5 + 0.3911*10 = 8.43의 평균 품질 레벨 유틸리티, 0*1000 = 0의 평균 최종 기한 상실 패널티, 및 0.0145*5 = 0.07의 평균 품질 레벨 증가 패널티 및 0.0144*6 = 0.09의 감소 패널티가 있다. 이는 프레임당 8.27의 전체 평균 수익을 초래한다.

연속적인 근사에 의한 마르코브 결정 문제를 해결하는 것은 Πx Q에서 각각의 상태에 대한 값을 포함하는 일정 종류의 상태 벡터를 포함한다. 보편적으로,상태 벡터는 0 벡터로 초기화된다. 이어서, 반복적으로, 최적의 결정들이 모든 상태들에 대해 결정되고, 상태 벡터들은 갱신된다. 반복적인 공정은 2개의 연속적인 상태 벡터들 간의 차이가 모든 (거의) 동일한 엔트리들 (전이당 평균 수익)을 포함할 때, 즉, 최소 및 최대 차이들이 특정 부정확도 범위 내일 때 종료된다.

각각의 예산 b에 대해, 상이한 수의 진전 간격들에 의해 동일한 마르코브 결정 문제를 반복적으로 해결함에 따라, 상태 벡터를 초기화시키는 상이한 방식이 사용된다. 각각의 예산 b에 대해, 마르코브 결정 문제를 해결하는 제1 시점, 즉, 가장 작은 수의 진전 간격들(30)에 의해, 초기화를 위한 0벡터가 사용된다. 각각의 다음 수의 진전 간격들에 대해, 상태 벡터는 이전의 수의 진전 간격들로 실행중인 최종 상태 벡터를 보간시킴으로써 초기화된다. 이러한 방식으로, 연속적인 근사 알고리즘은 수렴을 위해 보다 적은 반복을 필요로 할 것으로 예상된다.

이러한 보간 벡터 접근법이 얼마나 잘 작동할지 시험하기 위해, 그것은 초기 벡터로서 0 벡터를 항상 선택하는 직접적인 접근법에 비교된다. 이 때문에, 두 벡터 접근법들을 사용하여 b=3,100,000에 대한 마르코브 결정 문제를 해결하고, 여기서 진전 간격들의 수는 1.5의 배가하는 단계들을 취하여=30 내지=1749로 변화한다. 도 9는 두 접근법들에 필요한 반복들의 수를 보여준다. 도 10은 펜티엄 II X Xeon 400 MHz 프로세서를 사용하여 양 접근법들에 대해 측정된 연산 시간을 보여준다. 이후 도면에서 보간 벡터 접근법에 대한 축적 연산 시간 역시 도시되다. 도면은 이러한 마르코브 결정 문제가 많은 수의 진행 간격들에 대해 해결되는 경우, 진전 간격들의 증가하는 수들에 대해 보간 벡터 접근법을 사용하고 마르코브 결정 문제를 여러 번 해결하는 것이 양호할 수 있고, 이는 요청되는 수의 진전 간격들에 대해 마르코브 결정 문제를 직접적으로 해결하는 경우보다 더 낮은 전체 연산 시간을 초래할 수 있음을 보여준다.

고정된 CPU 예산들을 갖는 스케일 가능한 미디어 처리 애플리케이션들에 대한 품질 레벨 제어는 마르코브 결정 문제로서 모델링되었다. 이 모델은 이정표들에서 산출된 상대적인 애플리케이션에 기초한다. 이들 문제 목적들은 작업 유닛들이 처리되는 품질 레벨을 최대화시키고, 최종 기한 상실들의 수를 최소화시키고, 품질 레벨 변화들의 수를 최소화시키는 것으로 정의된다. 모델에서 파라메터는 진전 간격들의 수이다.

보다 많은 진전 간격들이 선택되면, 문제의 모델링이 보다 정확해진다. 마르코브 결정 문제를 해결하는 것은 최적 제어 전략을 초래하고, 이는 단지 적은 비용으로 실행 시간 동안에 인가될 수 있다.

접근법을 평가하기 위해, 전체 1140 문제 경우들이 스케일 가능한 MPEG-2 디코더에 관련하여 해결되었다. 결과의 제어 전략들 각각에 대해, 디코더의 실행은 시뮬레이션된다. 이러한 실험으로부터, 일부 진전 간격들은 모델에 의한 양호한 근사법을 가질 필요가 없더라도, 최적 제어 전략이 상대적으로 적은 진전 간격들에 의해 얻어질 수 있는 것으로 결정된다. 더욱이, 이러한 실험 때문에 그 접근법은 이들 문제 목적들에 부합되는 것으로 결론내릴 수 있다.

연속적인 접근법을 사용하여 마르코브 결정 문제를 해결하는 데 있어서, 상태 벡터는 보간 벡터 접근법을 사용하여 초기화되었다. 많은 수의 진전 간격들에대해, 진전 간격들의 증가하는 수들에 대해 보간 벡터 접근법을 사용하고 문제를 여러 번 해결하는 것이 바람직하고, 이는 그 문제가 진전 간격들의 요구되는 수에 대해 직접적으로 해결된 경우 보다 낮은 전체 연산 시간을 초래할 수 있는 것으로 관찰되었다.

결과의 품질 레벨 제어 전략은 온라인으로 적용될 수 있고, 애플리케이션과 동일한 프로세서 상에서 실행된다.

다른 작업 보전 접근법은 제1의 다음 최종 기한에서 출력을 사용하는 것이고, 이는 채택된 상대적 진전 ρ_m=ρ_m+ [-ρ_m] ≥0을 초래한다. 이는 예를 들면 MPEG-2 디코딩에 대해 적용될 수 있고, 여기서 최종 기한 상실에 따라 이전에 디코딩된 프레임이 디스플레이될 수 있고, 새롭게 디코딩된 프레임은 하나의 프레임 기간 후에 디스플레이된다. 식(1)을 사용하여 이정표들에서 상대적 진전은 산출하는 것이 사용될 수 있지만, 새로운 오프셋 d₀=d₀+[-ρ_m]P이다. 이러한 접근법은 스키핑 최종 기한 상실 접근법이라 칭한다.

스키핑 최종 기한 상실 접근법은 도 11에 나타낸 전형적인 시간대에 의해 예시된다. 이 실시예에서, P=1 및 d₀=0이다. 식(1)을 사용하여, ρ₁=0.5, ρ₂=0 및 ρ₃=-0.5가 유도된다. 이정표 3에서 상대적 진전은 0 아래로 떨어졌고, 따라서, [-ρ₃]=1, 최종 기한 상실은 이정표 2, 즉 t=3.5이기 때문에 발생하였다. 다음으로, ρ₃은 0.5로 채택되고, 새로운 오프셋이 사용되고 d₀= 0 + [-0.5]-1 = 1이고, 이어서, ρ₄=1 및 ρ₅=0인 것으로 밝혀졌다.

이러한 모델은 음의 상대적 진전이 특정 경계들 내에서 허용되는 방식으로 일반화될 수 있음에 주의하자. 그러나, 여기서 이는 0의 하한치인 것으로 가정된다.

일반성의 손실 없이, 애플리케이션이 이정표 m에서 상태 i 내에 있다고 가정하자. 각각의 품질 레벨 q에 대해, 랜덤 변수 X_tq가 도입되고, 이는 애플리케이션이 품질 레벨 q에서 유형 t의 하나의 작업 유닛을 처리하는데 필요한 시간을 제공한다. 애플리케이션이 기간 P당 연산 예산 b를 수신하는 것으로 가정되는 경우, ρ_m중의 ρ_m+1은 다음과 같이 표현될 수 있다. 먼저, 상대적인 진전에 대해 경계들 0 및 p를 고려하지 않고, 새로운 상대적인 진전은 다음과 같이 밝혀진다:

그러나, 이것이 0아래로 떨어지는 경우, 최종 기한 상실들에 직면하게 되고, 채택된 상대적 진전이 밝혀진다. 더욱이, ρ^unb _m+1이 p를 초과하는 경우, 출력 버퍼가 차있기 때문에, 프로세서는 스톨되었을 것이고, 여기서 p의 채택된 상대적인 진전이 존재하는 경우이다. 연속적인 최종 기한 상실 접근이 적용되는 경우, 새로운 상대적 진전은 다음 식으로 주어진다:

여기서, 다음 기호가 사용된다:

스키핑 최종 기한 상실 접근법이 사용되는 경우, 새로운 상대적 진전은 다음과 같이 주어진다:

여기서, 다음 기호가 사용된다:

Yρ_{m,tm,π,tm+1, q}는 랜덤 변수이고, 이는 다음 이정표에서 애플리케이션의 상대적 진전 ρ_m+1이 진전 간격 π내이고, 이정표 m+1에서 다음 작업 유닛의 유형이 t_m+1인 확률을 제공하고, 단 이정표 m에서 상대적 진전은 ρ_m이고, 이정표 m에서 다음 작업 유닛은 t_m이고, 품질 레벨 q가 다음 작업 유닛을 처리하기 위해 선택된다. 더욱이, Pr(t_m, t_m+1)은 t_m+1유형의 작업 유닛이 t_m유형의 작업 유닛에 따르는 확률을 나타내고, 이어서, 이는 다음과 같이 유도된다;

F_tq는 X_tq의 축적 분포 기능을 나타낸다고 하자. 즉, F_tq(x)= Pr(X_tq≤X). 연속적인 최종 기한 손실 접근법에 대해, 회귀적인 식(3)을 사용하여, 이는 0<x≤p에 대해 유도된다.

스키핑 최종 기한 상실 접근법에 대해, 회귀적인 식(6)을 사용함으로써, 이는 0<x<1에 대해

및 1≤x≤p에 대해

와 같이 유도된다.

불행하게도, 진전 간격 π(i) 내에서 ρ_m의 정확한 위치는 알려져 있지 않다. ρ_m의 비관적인 근사는 간격 내의 최하위 값을 선택함으로서 얻어진다. 이는 다음 근사법을 제공한다.

위에 주어진 바와 같이, 전이 확률들 P^q _ij는 연속적인 최종 기한 실종 접근법의 경우에 다음과 같이 근사될 수 있고,

스키핑 최종 기한 손실 접근법의 경우에 다음과 같이 근사될 수 있다

분명히, 식(7)에서 근사가 보다 양호해지는 바와 같이, 보다 큰 진전 간격이 선택되면, 전이 확률들의 모델링이 보다 정확해질 것이다. 연속적인 최종 기한 상실 접근법이 스키핑 최종 기한 상실 접근법에 대한 최악의 경우의 시나리오임에 주의하자. 따라서, 스키핑 최종 기한 상실 접근법을 적용시킬 때, 연속적인 최종 기한 상실 접근법의 전이 확률들은 마르코브 결정 문제를 해결하기 위해 사용될 수 있다.

마르코브 결정 문제를 해결한다는 것은 ^q _ij의 많은 반복되는 경우들을 필요로 한다. 먼저 모든 값들 ^q _ij를 연산하고 저장한다는 것은 진전 간격 전이들의 확률들에 대해 O( ²ㆍㆍ)의 공간 복잡성, 전이 유형들의 확률들에 대한 O( ²)를 필요로 한다.가 작다고 가정하면, 이는 적은 수의 진전 간격들이 존재하는 경우에만 가능하다. 그렇지 않으면, 플라이에 대해 ^q _ij의 값들을 연산하는 것이 해결책이다. 그러나, 이는 많은 여분의 연산들을 초래하고, 이들 각각은 축적 분포 함수를 액세싱하는 것을 포함한다. 축적 분포 함수 F의 값을 연산하는 것은 F의 과립성에서 로그 시간 복잡성을 갖는다.

연속적인 최종 기한 상실 접근법이 적용되는 경우, 다음 대체 방식에서 전이 확률들을 산출하는 것이 종종 유리하다. 일반성의 상실 없이, 애플리케이션이 이정표 m에서 상태 i 내에 있다고 가정하자. n=이고, 하나의 진전 간격의 폭은로 주어지는 것을 상기하자. 비관적인 접근법(7)을 사용하면, 1-n≤k≤n-1에 대해 Pr(Δ_t(i)q=k)는 품질 레벨 q에서 타입 t(i)의 다음 작업 유닛을 처리한 후 k 진전 간격들 만큼 이동한 확률을 나타낸다고 하자. 이러한 확률은 다음과 같이 주어진다.

이하 정수들 a 및 b는 π_a=π(j) 및 π_b=π(j)로 정의된다고 하자. 이어서, 전이 확률들 ^q _ij은 또한 다음과 같이 주어진다.

^q _ij값들은 미리 산출되고,에서 선형인 진전 간격 전이들의 확률들에 대해 O(ㆍㆍ)의 공간 복잡성으로 및 전이 유형들의 확률들에 대한 O( ²)의 공간 복잡성으로 저장된다. 전이 확률들을 연산하기 위한 이러한 대안의 방식은 마르코브 결정 문제를 해결하는 속도를 현저히 증가시킨다.

도 12는 본 발명에 따른 시스템(1200)을 개략적인 방식으로 예시한다. 시스템(1200)은 소프트웨어 버스(1208)를 통해 중앙 처리 장치(1210)와 소통하는 메모리(1202)를 포함한다. 메모리(1202)는 상기한 바의 미디어 프레임을 처리하기 위해 사용되어야 하는 CPU 주기들의 양을 결정하도록 디자인된 컴퓨터 판독 가능한 코드(1204)를 포함한다. 또한, 메모리(1202)는 이정표에서 산출된 미디어 처리 애플리케이션의 상대적인 진전에 기초하여 미디어 프레임의 품질을 제어하도록 디자인된 컴퓨터 판독 가능한 코드(1206)를 포함한다. 바람직하게는, 미디어 프레임을 처리하는 품질은 상기한 바의 많은 미디어 프레임들을 처리하도록 모델링된 마르코브 결정 문제에 기초하여 설정된다. 컴퓨터 판독 가능한 코드는 본 발명에 따른 방법을 수행하도록 디자인된 컴퓨터 프로그램 제품을 포함하는 저장 디바이스(1212)로부터 갱신될 수 있다. 저장 디바이스는 적절한 판독 디바이스, 예를 들면 시스템(1200)에 접속되는 CD 판독기(1214)에 의해 판독된다. 이 시스템은 하드웨어 및 소프트웨어 모두 또는 소프트웨어를 운영할 수 있는 임의의 다른 표준 아키텍춰 내에서 실현될 수 있다.

도 13은 본 발명에 따른 시스템의 일 실시예를 포함하는 개략적인 방식으로 본 발명에 따른 텔레비전 수상기(1310)를 예시한다. 여기서, 안테나(1300)는 텔레비전 신호를 수신한다. 텔레비전 신호와 같은 것, 예를 들면 위성 접시 안테나, 케이블, 저장 디바이스, 인터넷, 또는 이더넷을 수신하거나 또는 재생할 수 있는 것이면 어느 디바이스나 안테나(1300)를 대체할 수 있다. 수신기(1302)는 텔레비전 신호를 수신한다. 수신기(1302) 외에, 텔레비전 수상기는 프로그램 가능한 부품(1304), 예를 들면 프로그램 가능한 집적 회로를 포함한다. 이러한 프로그램 가능한 부품은 본 발명에 따른 시스템(1306)을 포함한다. 텔레비전 스크린(1308)은 수신기(902)에 의해 수신되고 프로그램 가능한 부품(1304)에 의해 처리되는 문서를 보여준다. 텔레비전 수상기(1310)는 임의로 텔레비전 신호를 제공하는 DVD 플레이어(1312)에 포함되거나 또는 그에 접속될 수 있다.

도 14는 개략적인 방식으로, 본 발명에 따른 시스템의 일 실시예를 포함하는 셋톱 박스(1402)의 가장 중요한 부분들을 예시한다. 여기서, 안테나(1400)는 텔레비전 신호를 수신한다. 안테나는 예를 들면 위성 접시, 케이블, 저장 디바이스, 인터넷, 이더넷 또는 텔레비전 신호를 수신할 수 있는 임의의 다른 디바이스일 수도 있다. 셋톱 박스(1402)는 신호를 수신한다. 이 신호는 예를 들면 디지털일 수 있다. 셋톱 박스에 포함되지만 여기 도시되지 않은 통상의 부분들 외에, 셋톱 박스는 본 발명에 따른 시스템(1404)을 포함한다. 텔레비전 신호는 셋톱 박스(1402)에 접속된 텔레비전 수상기(1406) 상에 도시된다.

상기 실시예들은 본 발명을 제한시키기보다는 예시하는 것으로, 당업계의 숙련자라면 첨부된 특허 청구의 범위에서 벗어나지 않는 많은 대안의 실시예들을 고안할 수 있음에 주의해야 한다. 특허 청구의 범위에서, 괄호 안에 놓인 임의의 참조 기호들은 특허 청구의 범위를 제한하는 것으로 해석되지 않아야 할 것이다. "포함하는"이라는 용어는 특허 청구의 범위에 열거된 것들 이외의 요소들 또는 단계들의 존재를 배제하지 않는다. 요소 앞에 선행하는 "하나의"라는 용어는 복수개의 그러한 요소들의 존재를 배제하지 않아야 한다. 본 발명은 여러 가지 독특한 요소들을 포함하는 하드웨어에 의해서 및 적절히 프로그램된 컴퓨터에 의해 구현될 수 있다. 여러 수단을 번호 매긴 시스템 청구항들에서, 여러 가지 이들 수단은 하나로 및 컴퓨터 판독 가능한 소프트웨어 또는 하드웨어의 동일한 아이템으로 실시될 수 있다. 특정 측정치들이 상호 상이한 종속항들에 인용된다는 단순한 사실은 이들 측정치들의 조합이 유리하게 사용될 수 없음을 지시하지는 않는다.

Claims (10)

1. 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 방법에 있어서,

   상기 미디어 프레임을 처리하는데 사용될 자원들의 양을 결정하는 단계;

   이정표(milestone)에서 산출된 상기 미디어 처리 애플리케이션의 상대적 진전에 기초하여 상기 미디어 프레임의 품질을 제어하는 단계를 포함하는, 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 방법.
2. 제1항에 있어서, 상기 미디어 프레임의 품질을 제어하는 단계는 상태들의 세트, 결정들의 세트, 전이 확률들의 세트 및 수익들의 세트를 포함하는 마르코브(Markov) 결정 문제로서 모델링되고, 상기 방법은,

   이정표에서 상기 미디어 처리 애플리케이션 및 이전 미디어 프레임의 이전에 사용된 품질의 상기 상대적 진전을 포함하도록 상기 상태들의 세트를 정의하는 단계;

   상기 미디어 처리 애플리케이션이 제공할 수 있는 복수의 품질들을 포함하도록 결정들의 세트를 정의하는 단계;

   복수의 품질들 중의 하나의 품질이 선택되는 경우 현재 이정표에서 상태들의 세트 중의 하나의 상태로부터 다음 이정표에서 상태들의 세트 중의 다른 상태에 이르기까지 전이가 이루어지는 확률을 포함하도록 상기 전이 확률들의 세트를 정의하는 단계; 및

   상기 미디어 프레임의 긍정적인 품질에 관련된 긍정적인 수익, 최종 기한 상실에 관련된 부정적인 수익 및 품질 변화에 관련된 부정적인 수익을 포함하도록 상기 수익들의 세트를 정의하는 단계;

   결정 전략을 사용하여 상기 마르코브 결정 문제를 해결하고 이 해답에 기초하여 미디어 프레임의 품질을 설정하는 단계를 포함하는, 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 방법.
3. 제2항에 있어서, 상기 결정 전략은 모든 전이들에 걸친 수익들의 합을 최대화시키는 단계를 포함하는, 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 방법.
4. 제2항에 있어서, 상기 결정 전략은 전이당 평균 수익을 최대화시키는 단계를 포함하는, 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 방법.
5. 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 시스템에 있어서,

   상기 미디어 프레임을 처리하는데 사용될 자원들의 양을 결정하도록 구성된 결정 수단;

   이정표에서 산출된 상기 미디어 처리 애플리케이션의 상대적 진전에 기초하여 미디어 프레임의 품질을 제어하도록 구성된 제어 수단을 포함하는, 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 시스템.
6. 제5항에 있어서, 상기 제어 수단은 상태들의 세트, 결정들의 세트, 전이 확률들의 세트 및 수익들의 세트를 포함하는 마르코브 결정 문제로서 상기 미디어 프레임의 품질 제어를 모델링하도록 구성되고,

   상기 상태들의 세트는 이정표에서 상기 미디어 처리 애플리케이션의 상대적 진전 및 이전 미디어 프레임의 이전에 사용된 품질을 포함하고;

   상기 결정들의 세트는 상기 미디어 처리 애플리케이션이 제공할 수 있는 복수의 품질들을 포함하고;

   상기 전이 확률들의 세트는 복수의 품질들 중의 하나의 품질이 선택되는 경우 현재 이정표에서 상태들의 세트 중의 하나의 상태로부터 다음 이정표에서 상태들의 세트 중의 다른 상태에 이르기까지 전이가 이루어지는 확률을 포함하고;

   상기 수익들의 세트는 상기 미디어 프레임의 긍정적인 품질에 관련된 긍정적인 수익, 최종 기한 상실에 관련된 부정적인 수익 및 품질 변화에 관련된 부정적인 수익을 포함하고;

   상기 제어 수단은 결정 전략을 사용하여 상기 마르코브 결정 문제를 해결하도록 더 구성되고 이 해답에 기초하여 상기 미디어 프레임의 품질을 설정하는, 미디어 처리 애플리케이션에 의해 미디어 프레임의 품질을 설정하는 시스템.
7. 제1항에 따른 방법을 수행하도록 설계된 컴퓨터 프로그램 제품.
8. 제7항에 따른 컴퓨터 프로그램 제품을 포함하는 저장 디바이스.
9. 제5항에 따른 시스템을 포함하는 텔레비전 세트.
10. 제5항에 따른 시스템을 포함하는 셋 톱 박스.