Pensieve：AI带来的更流畅的高质量观看体验

最新推荐文章于 2024-01-18 14:52:12 发布
最新推荐文章于 2024-01-18 14:52:12 发布
阅读量2.4k 收藏 5
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/vn9PLgZvnPs1522s82g/article/details/80730176
版权

640?wx_fmt=jpeg


麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）开发的基于机器学习的流媒体系统能更好的适应不同的网络条件，从而提供更加流畅的流媒体传输体验。LiveVideoStack对原文进行了摘译。点击【阅读原文】访问Pensieve官网


文 / Adam Conner-Simons

译 / 金歌

审校 / Alex.Chow

原文：http://news.mit.edu/2017/high-quality-online-video-with-less-rebuffering-pensieve-0814


我们在YouTube上观看视频时常会遇到两件非常令人不悦的事情：视频突然出现了大量马赛克，或者卡住并开始重新缓冲。


这两种情况的出现都是由于特定的算法预先将视频切分成很多小片，并随着你观看的进度进行实时加载。如果你的网速很慢，YouTube可能会

最低0.47元/天 解锁文章
LiveVideoStack_
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Pensieve-PPO:通过最新的RL算法（包括DQN，A2C，PPO和SAC）最简单地实现Pensieve（SIGCOMM 17'）
05-06
盆式PPO 关于沉思-PPO 这是Pensieve [1]的一个简单的TensorFlow实现。 详细地说，我们通过PPO而非A3C培训了Pensieve。 这是一个稳定的版本，已经准备好训练集和测试集，并且您可以轻松运行仓库：只需键入 python train.py 反而。 将每300个时代在测试集（来自HSDPA）上评估结果。 实验结果 我们报告了熵权重β，奖励和熵的训练曲线。 通过双簧管网络轨迹评估结果。 提示：橙色曲线：pensieve-ppo； 蓝色曲线：pensieve-a2c 预训练模型 此外，我们还在添加了预训练模型 与原始Pensieve模型相比，该模型的平均QoE提高了7.03％（0.924-> 0.989）。 如果您有任何疑问，请随时告诉我。 [1] Mao H，Netravali R，Alizadeh M.带自适应神经网络自适应视频流[C] // ACM数据
Pensieve实践笔记（转载）
qq_39373811的博客
08-23 770
转载自博客 https://github.com/hongzimao/pensieve为pensieve的github源码 根据readme，首先要准备Ubuntu 16.04、Tensorflow v1.1.0、TFLearn v0.3.1、Selenium v2.39.0 环境：VMware Workstation16 Pro、虚拟机Ubuntu16.04 1.下载安装Ubuntu，
pensieve复现（转载）
qq_39373811的博客
08-23 1369
转载自博客 环境配置 环境：python2.7，Ubuntu 16.04, 1、mahimahi安装需要用到add-apt-repository，因此需要执行： sudo apt-get install python-software-properties 1
论文学习 | (MIT CS&AI Lab) Pensieve : 基于A3C的流媒体码率自适应策略
weixin_44874766的博客
05-05 2643
1 引言    近些年来，用户在线观看视频时追求越来越高的品质，这就要求我们找出更佳的流媒体传输策略。已有许多基于HTTP的视频流媒体传输方法。该论文的Pensieve策略就属于其中一种。在论文结论中，研究者提到这种算法相比ABR算法，能提升QoE指标12%-25%。 2 ABR(Average Bitrate)算法 要了解ABR，需要先了解CBR和VBR。 CBR（Constant Bitrate）,是采用固定比特率进行编码的方式，适应流式传输。但是当我们的图像压缩数据变大时，质量就会下降。因此这种方
Pensieve复现及一些问题(1)
加油赚钱养辣辣
03-14 7456
Pensieve 第一步：利用setup.py 配置环境的文件 Install prerequisites (tested with Ubuntu 16.04, Tensorflow v1.1.0, TFLearn v0.3.1 and Selenium v2.39.0) import os start_dir = os.getcwd() # mahimahi print ('mahimahi begin') os.system("sudo sysctl -w net.ipv4.ip_forward
pensieve：用于跟踪对象计算的Python库
02-12
盆子Pensieve是一个Python库，用于组织图形结构中的对象和依赖项。 “一个人简单地从脑海中吸取多余的思想，将其倒入盆中，并在闲暇时进行检查。当它们处于这种形式时，发现模式和链接变得更加容易。 ” -阿不思·邓...
pensieve-web:siPensieve Web应用程序
05-13
“我使用Pensieve。一个人简单地从脑海中吸取多余的思想，将它们倒入盆中，然后在闲暇时进行检查。当它们处于这种形式时，发现模式和链接会变得更加容易。” 阿不思·邓布利多 该项目包含Pensieve的Web应用程序，...
pensieve-srs:Pensieve应用程序后面的间隔重复算法
05-11
该项目包含Pensieve应用程序后面的间隔重复算法。 它包括的所启发的SM2 +算法的。 贡献 贡献指南 所有工作直接在GitHub上进行，欢迎贡献！ 以引入新的代码更改。 以请求新功能或报告错误。 有兴趣贡献吗？ 请与联系...
Pensieve.NET-开源
04-26
Pensieve.NET是ASP.NET框架的扩展。 它有助于使用声明式编程将变量存储到ASP.NET会话，应用程序，缓存等中。
Pensieve部署实践（1）（安装ubuntu、anaconda、tensorflow、tflearn、selenium）
jmy0406的博客
07-15 694
https://github.com/hongzimao/pensieve为pensieve的github源码 根据readme，首先要准备Ubuntu 16.04、Tensorflow v1.1.0、TFLearn v0.3.1、Selenium v2.39.0 环境：VMware Workstation16 Pro、虚拟机Ubuntu16.04 1.下载安装Ubuntu，链接如下 Ubuntu 16.04.7 LTS (Xenial Xerus) 2.安装anaconda 下载合适的.s
Neural adaptive video streaming with Pensieve
hch977的博客
05-14 1971
what is adaptive bitrate streamer? 设备采集视频，并通过编码器编码上传视频流（camera，encoder） 媒体服务器上的转码器对视频转成不同的码率，发送到cdn网络，存储到边缘服务器上 转码（需要大量资源） 打包压缩音频和视频（转换、重新包装或打包），比如通常是h.264视频和aac音频，重新打包它，装入不同的管道中，就好像一封信装入多个不同的信封进行发送，其中manifest向播放器可以指明使用什么解码（不需要什么硬件资源） 是这个阶段
Pensieve：MIT基于神经网络的流媒体码率自适应策略（转载）
qq_39373811的博客
08-23 878
转载自博客 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
pensieve运行的经验
woshicaiji12138的博客
10-21 658
此外还要注意postman中传输数据的格式，我传输内容设置为’{“RebufferTime”:1,“lastquality”:1,“lastChunkFinishTime”:1,“lastChunkStartTime”:1,“lastChunkSize”:1,“buffer”:1}'，这是导致错误的原因。解决办法，一是看run_video.py文件中的url设置情况，根据项目中其他文件中的代码设置，一般设置。然后再运行 python rl_server_no_training.py 0，结果如下，解决。
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）
滴墨成殇的博客
11-01 5140
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...
360度视频开发-pensieve复现
qq_39653637的博客
07-14 1416
环境配置 环境：python2.7，Ubuntu 16.04, 1、mahimahi安装需要用到add-apt-repository，因此需要执行： sudo apt-get install python-software-properties 2、selenium安装2.39.0版本 wget 'https://pypi.python.org/packages/source/s/selenium/selenium-2.39.0.tar.gz 3、py virtual display安装0.2.1版本
经典ABR算法介绍：Pensieve (SIGCOMM ‘17) 原理及训练指南
最新发布
Green Lv的博客
01-18 1810
Pensieve是DASH点播视频中最经典的ABR算法之一，也是机器学习类（Learning-based）ABR算法的代表性工作。本文简要介绍Pensieve的基本原理，并提供Pensieve模型的训练指南。
torch学习笔记3.3：实现自定义模块(gpu)
July's Pensieve
11-06 2554
在使用torch时，如果想自己实现一个层，则可以按照《torch学习笔记1：实现自定义层》 中的方法来实现。但是如果想要实现一个比较复杂的网络，往往需要自己实现多个层（或类），并且有时可能需要重写其他模块中已有的函数来达到自己的目的，如果还是在nn模块中添加，会比较混乱，并且不利于本地git仓库统一管理，这个时候，我们可以自己实现一个像nn一样的模块，在代码中使用时 require即可。 我们来实现
LiveVideoStack文章阅读——Pensive：AI带来更流畅的高质量观看体验
VioletHan7的博客
08-31 783
麻省理工学院计算机科学与人工智能实验室(MIT CSAIL)开发的基于机器学习的流媒体系统能更好的适应不同的网络条件，从而提供更加流畅的流媒体传输体验。 原文：http://news.mit.edu/2017/high-quality-online-video-with-less-rebuffering-pensieve-0814 我们在YouTube上观看视频时常会遇到两件非常令人不悦的事情...
LDA主题模型学习笔记1：模型建立
热门推荐
July's Pensieve
06-06 1万+
LDA于2003年在论文《Latent Dirichlet Allocation》中提出，是一种主题模型，它可以将文档集中每篇文档的主题以概率分布的形式给出，从而根据主题分布进行文本分类
改造pensieve 仿真环境
05-22
好的，改造Pensieve仿真环境可能需要以下步骤： 1. 熟悉Pensieve仿真环境的代码和架构。 2. 理解Pensieve仿真环境的原理和运行流程。 3. 根据需要修改Pensieve仿真环境的代码，添加新的功能或改进现有功能。 4. ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值