или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Искусственный интеллект из MIT решает проблемы буферизации видео

schedule 16.08.2017 в 06:31 link MIT CSAIL США
Буферизация и пикселизация – основные проблемы потокового видео, которые буквально разрушают опыт просмотра видео, позволяют рекламодателям получать больше доходов, а также вызывают головные боли для служб техподдержки. Но новая нейронная сеть от MIT CSAIL сможет помочь в плавных потоковых сервисах, - сообщает Robotics.ua.

Суть проблемы

Видео, которое вы смотрите онлайн, не поступает на ваш компьютер в одном полном фрагменте, так как это требует слишком большой пропускной способности. Таким образом, вместо этого эти данные нарезаются на более мелкие куски и отправляются последовательно. Но чтобы обеспечить качество видео, сайты, такие как YouTube, используют алгоритмы ABR (Adaptive BitRate), чтобы определить, на каком разрешении будет воспроизводиться видео. ABR обычно имеют два стиля: те, которые измеряют, как быстро сеть может передавать данные и те, которые работают для поддержания достаточного буфера.



Если алгоритм, основанный на скорости, терпит неудачу, видео будет страдать от пикселизации, поскольку система снижает скорость передачи данных, чтобы гарантировать, что видео продолжает воспроизводиться. Но если вы попытаетесь пропустить слишком много вперед, это приведет к хаосу в системе на основе буфера, которая затем должна заморозить воспроизведение, пока загружается новый фрагмент видео. Оба ABR, по существу, затрагивают две стороны одной и той же всеобъемлющей проблемы, но ни одна из них не в состоянии полностью ее решить.

На самом деле уже было проведено много исследований этой проблемы. Исследовательская группа из университета Карнеги-Меллона недавно разработала схему «модельного прогнозирующего контроля» (MPC), которая пытается предсказать, как сетевые условия будут меняться со временем и принимать решения по оптимизации на основе этой модели. Однако проблема с этой системой заключается в том, что она не подходит для сетей, которые видят внезапные или резкие изменения в потоках трафика.

Что предлагает ИИ из MIT

ИИ из CSAIL, получивший название «Pensive», не полагается на модель. Вместо этого используется машинное обучение, чтобы выяснить, когда и при каких условиях нужно переключаться между скоростью и ABR на основе буфера. Как и другие нейронные сети, Pensive использует «награды» и «штрафы» за результаты каждого испытания. Со временем система может настраивать свое поведение, чтобы последовательно получать высшую награду. Интересно, что, поскольку вознаграждения могут быть скорректированы, вся система может быть настроена так, чтобы вести себя, как мы хотим.



«Наша система гибка для того, что вы хотите ее оптимизировать», - сказал в своем заявлении профессор Массачусетского технологического института Мохаммад Ализаде. «Вы даже можете представить себе пользователя, персонализирующего свой собственный потоковый опыт, исходя из того, хотят ли они приоритизировать отклонение от разрешения». Команда обучила эту нейронную сеть всего за месяц и смогла получать то же качество разрешения, что и система MPC, но с буферизацией на 10-30% меньше.

Читайте также: Алгоритм MIT способен диагностировать нарушения сна. 

Согласно robotics.ua, исследователи полагают, что эта технология будет принята подобными YouTube и Netflix сервисами, но сначала команда MIT надеется применить ИИ к виртуальной реальности. «Битрейт, который вам нужен для 4K-качества в VR, может легко превышать сотни мегабит в секунду, которые сегодняшние сети просто не могут поддерживать», - сказал Ализаде. - «Мы рады видеть, что такие системы, как Pensieve, могут делать для таких вещей, как VR. Это действительно первый шаг к развитию умных Интернет-сервисов».

Комментарии: