如何看待Pensieve：MIT基于神经网络的流媒体码率自适应策略（周超）

最新推荐文章于 2024-08-15 09:50:28 发布

像我这样迷茫的人

最新推荐文章于 2024-08-15 09:50:28 发布

阅读量5.2k

点赞数 10

分类专栏：强化学习

本文链接：https://blog.csdn.net/qq_34662278/article/details/83622142

版权

本文介绍了MIT CSAIL团队在SIGCOMM上发表的Pensieve工作，该工作利用神经网络改进码率自适应算法，提升了12%–25%的媒体传输质量。Pensieve旨在解决复杂网络环境和QoE指标的挑战，通过模拟获取数据集并使用Actor-Critic网络进行决策。实验结果显示Pensieve性能显著，但数据集构建和QoE模型仍有待进一步研究。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如何看待Pensieve：MIT基于神经网络的流媒体码率自适应策略

写在前面

今年的SIGCOMM上， MIT CSAIL的一支研究团队，发表了一篇名为Pensieve的工作，即利用神经网络优化码率自适应算法，用于提高媒体传输质量。文章结果表明：与一般的state-of-the-art 方法相比，Pensieve能平均提升QoE高达12%–25%。之所以介绍这篇文章，基于以下几方面的原因：一是自己从事流媒体传输优化的研究多年，也小有成果，对这类研究自然非常感兴趣；二是文章的思路，在2015年时自己曾想过，只是当时既没有实际需求要深入，也因为确实遇到一些问题不知如何解决（没有数据集），也就不了了之，这次看到这个文章，自然眼前一亮；三是这个工作是一个很好的引子，给出了如何将当前热的发紫的深度学习，用于流媒体传输优化上，先不管其是否完美（research永无止境，没有完美的），起码开了一个好头，有兴趣的同行，深入下去应该也能有所小成。此外，该文的一作和其团队还是非常牛的，当别人还在因为中了个mm、infocom就觉得多牛时，他们团队在sigcomm， mobicom上跟玩一样，而且非常务实，基本每篇文章都把代码放出来，惭愧～

在阅读之前，建议熟悉下DASH（Dynamic Additive Streaming over HTTP）或NN（Neural Network）的基本概念和原理，不然有的概念估计不好理解。