Modelo de selección de representación dependiente del contenido para sistemas basados en MPEG DASH
Autores: Vlaovi, Jelena; Rimac-Drlje, Snjeana; agar, Drago
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Modelo de selección de representación dependiente del contenido para sistemas basados en MPEG DASH
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Modelo
Vídeo
Segmentación
Espacial
Temporal
Actividad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Un estándar llamado MPEG Dynamic Adaptive Streaming over HTTP (MPEG DASH) asegura la interoperabilidad entre diferentes servicios de transmisión y la mayor calidad de video posible en condiciones cambiantes de red. Las soluciones descritas en la literatura disponible que se centran en la segmentación de video son en su mayoría propietarias, utilizan una gran cantidad de potencia computacional, carecen de la metodología, notación de modelo, información necesaria para su reproducción, o no consideran la actividad espacial y temporal de las secuencias de video. Este artículo presenta un nuevo modelo para seleccionar parámetros óptimos y el número de representaciones para la codificación y segmentación de video, basado en una medida de la actividad espacial y temporal del contenido de video. El modelo fue desarrollado para el codificador H.264, utilizando métricas objetivas del Índice de Similitud Estructural (SSIM) así como Información Espacial () e Información Temporal () como medidas de la actividad espacial y temporal del video. La metodología que utilizamos para desarrollar el modelo matemático también se presenta en detalle para que pueda aplicarse para adaptar el modelo matemático a otro tipo de codificador o un conjunto de parámetros de codificación. La eficiencia de la segmentación realizada por el modelo propuesto fue probada utilizando el algoritmo de Adaptación Básica (BAA) y el algoritmo de Adaptación de Tasa Consciente de Segmento (SARA) así como dos escenarios de red diferentes. En comparación con la segmentación disponible en la literatura relevante, la segmentación basada en el modelo propuesto obtiene mejores valores de SSIM en el 92% de los casos y las pruebas subjetivas mostraron que logra mejores resultados en el 83.3% de los casos.
Descripción
Un estándar llamado MPEG Dynamic Adaptive Streaming over HTTP (MPEG DASH) asegura la interoperabilidad entre diferentes servicios de transmisión y la mayor calidad de video posible en condiciones cambiantes de red. Las soluciones descritas en la literatura disponible que se centran en la segmentación de video son en su mayoría propietarias, utilizan una gran cantidad de potencia computacional, carecen de la metodología, notación de modelo, información necesaria para su reproducción, o no consideran la actividad espacial y temporal de las secuencias de video. Este artículo presenta un nuevo modelo para seleccionar parámetros óptimos y el número de representaciones para la codificación y segmentación de video, basado en una medida de la actividad espacial y temporal del contenido de video. El modelo fue desarrollado para el codificador H.264, utilizando métricas objetivas del Índice de Similitud Estructural (SSIM) así como Información Espacial () e Información Temporal () como medidas de la actividad espacial y temporal del video. La metodología que utilizamos para desarrollar el modelo matemático también se presenta en detalle para que pueda aplicarse para adaptar el modelo matemático a otro tipo de codificador o un conjunto de parámetros de codificación. La eficiencia de la segmentación realizada por el modelo propuesto fue probada utilizando el algoritmo de Adaptación Básica (BAA) y el algoritmo de Adaptación de Tasa Consciente de Segmento (SARA) así como dos escenarios de red diferentes. En comparación con la segmentación disponible en la literatura relevante, la segmentación basada en el modelo propuesto obtiene mejores valores de SSIM en el 92% de los casos y las pruebas subjetivas mostraron que logra mejores resultados en el 83.3% de los casos.