Кампутарныя навукоўцы ствараюць "лабараторыю" для паляпшэння струменевага відэа

У гэтыя дні сацыяльнага дыстанцыявання, калі мільёны людзей сядзяць дома, каб запоем глядзець тэлевізар праз Інтэрнэт, даследчыкі Стэнфарда прадставілі алгарытм, які дэманструе значнае паляпшэнне тэхналогіі струменевага відэа.

Гэты новы алгарытм пад назвай Fugu быў распрацаваны з дапамогай добраахвотных гледачоў, якія глядзелі паток відэа, які абслугоўвалі інфарматыкі, якія выкарыстоўвалі машыннае навучанне, каб уважліва вывучаць гэты паток даных у рэжыме рэальнага часу, шукаючы спосабы паменшыць збоі і прыпынкі.

У навуковай артыкуле даследчыкі апісваюць, як яны стварылі алгарытм, які выштурхоўвае толькі столькі даных, колькі інтэрнэт-злучэнне гледача можа атрымаць без пагаршэння якасці.

«У струменевай перадачы пазбяганне кіёскаў у значнай ступені залежыць ад гэтых алгарытмаў», — кажа Фрэнсіс Ян, дактарант інфарматыкі і першы аўтар артыкула, які атрымаў узнагароду супольнасці USENIX NSDI 2020.

Многія з пераважных сістэм для струменевага відэа заснаваныя на так званым алгарытме на аснове буфера, вядомым як BBA, які быў распрацаваны сем гадоў таму тагачасным аспірантам Стэнфарда Тэ-Юань Хуангам разам з прафесарамі Нікам Маккеаўнам і Рамешам Джахары.

BBA проста пытаецца ў прылады прагляду, колькі відэа ў яе буферы. Напрыклад, калі ў ім захоўваецца менш за 5 секунд, алгарытм адпраўляе матэрыялы больш нізкай якасці, каб засцерагчыся ад перапынкаў. Калі ў буферы захоўваецца больш за 15 секунд, алгарытм адпраўляе відэа самай высокай якасці. Калі лік трапляе паміж імі, алгарытм адпаведна карэктуе якасць.

Нягледзячы на ​​тое, што BBA і падобныя алгарытмы шырока распаўсюджаны ў індустрыі, на працягу многіх гадоў даследчыкі неаднаразова спрабавалі распрацаваць больш складаныя алгарытмы з выкарыстаннем машыннага навучання — формы штучнага інтэлекту, пры якой кампутары самі вучацца аптымізаваць некаторыя працэсы.

Але ў сучасным варыянце старой камп'ютэрнай прымаўкі «смецце ў смецці, выкідвай», гэтыя алгарытмы машыннага навучання звычайна патрабуюць мадэляваных даных для навучання, а не рэальных дадзеных, якія дастаўляюцца праз рэальны Інтэрнэт. У гэтым крыецца праблема.

«Інтэрнэт аказваецца значна больш бязладным месцам, чым можа змадэляваць наша сімуляцыя», — сказаў Кіт Вінштэйн, дацэнт кафедры інфарматыкі, які кіраваў праектам і кансультаваў Яна разам з дацэнтам кафедры інфарматыкі і электратэхнікі Філіпам Левісам. «Фрэнсіс выявіў, што можа быць прорва паміж тым, каб адзін з гэтых алгарытмаў працаваў у мадэляванні, і тым, каб ён працаваў у рэальным Інтэрнэце».

Каб стварыць рэалістычны мікрасвет свету тэлепрагляду, каманда Вінштэйна паставіла антэну на вяршыні будынка Packard у Стэнфардзе, каб прымаць бясплатныя эфірныя сігналы, якія потым сціскалі і перадавалі добраахвотнікам, якія падпісаліся на ўдзел у даследчым праекце, вядомым як Puffer. Пачынаючы з канца 2018 года, добраахвотнікі трансліравалі і глядзелі тэлепраграмы праз Puffer, а камп'ютэрныя навукоўцы адначасова кантралявалі паток даных з дапамогай уласнага алгарытму машыннага навучання Fugu і чатырох іншых вядучых канкурэнтаў, у тым ліку BBA, якія былі навучаны карэктаваць сваю прадукцыйнасць у залежнасці ад рэальных умоў якасці, з якімі сутыкнуліся гледачы.

У пачатку трансляцыі кожнаму гледачу быў выпадковым чынам прызначаны адзін з пяці алгарытмаў трансляцыі, і каманда Стэнфарда запісвала дадзеныя струменевай перадачы, такія як сярэдняя якасць відэа, колькасць кіёскаў і працягласць часу, на працягу якога глядач падключаўся.

Вынікі не адпавядаюць некаторым папярэднім даследаванням, заснаваным на мадэляванні або меншых тэстах. Калі меркавана складаныя алгарытмы машыннага навучання былі пратэставаны на BBA ў рэальным свеце, больш просты стандарт захаваў сваё. Аднак да канца выпрабаванняў Fugu перасягнуў іншыя алгарытмы, у тым ліку BBA, з пункту гледжання найменшага часу перапынку, найвышэйшага дазволу выявы і нязменнай якасці відэа. Больш за тое, здаецца, што гэтыя ўдасканаленні здольныя трымаць гледачоў у курсе. Гледачы, якія глядзелі відэапатокі Fugu, затрымліваліся ў сярэднім на 5-9% даўжэй, чым іншыя правераныя алгарытмы.

«Мы выявілі некалькі дзіўных спосабаў, у якіх рэальны свет адрозніваецца ад мадэлявання, і тое, як машыннае навучанне часам можа даць памылковыя вынікі. Гэта захапляльна, таму што прапануе шмат цікавых задач, якія трэба вырашыць», — кажа Вінштэйн.

Пакінь паведамленне 

Імя *

E-mail *

Тэлефон

Адрас

код

Паведамленне

 

спіс паведамленняў