一种基于模型预测控制的点云视频流自适应传输方法.pdf
森林****io
亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于模型预测控制的点云视频流自适应传输方法.pdf
本发明公开了一种基于模型预测控制的点云视频流自适应传输方法,包括:1.将每帧的点云视频在空间上进行均匀切分,并将每个切块压缩编码成不同质量等级的版本;2.将点云视频序列帧在时间上分组,以帧组为最小单位;3.将不同质量等级的切块储存在服务器中,并生成其描述文件;4.服务器端根据MPC算法,并以构造的QOE作为目标函数,选取下一帧组要下载的合适的质量等级,以保证QOE目标函数尽可能大;5.客户端合适的切块后将其解码,融合,渲染然后即时播放。本发明能够在网络环境波动的情况下有一定的预见性,稳定控制buffer,
一种QUIC协议下基于深度强化学习的视频流自适应传输方法.pdf
一种QUIC协议下基于深度强化学习的视频流自适应传输方法,结合基于门控循环单元(GRU)和卷积(CNN)的神经网络建立网络轨迹特征的提取模型,利用注意力机制学习不同特征对带宽的影响,预测未来时刻带宽信息;将预测的带宽信息作为码率决策的状态输入,建立QoE奖励模型,采用PPO算法训练强化学习网络,决策最优码率;客户端根据码率自适应决策模块的反馈结果将相应视频下载并播放,实现QUIC下的视频流自适应传输框架。本发明能够保证在QUIC协议下,带宽预测模块能够充分提取网络状态信息,实现长窗口的带宽预测,为码率自适
基于散乱点云模型的自适应分层方法研究.docx
基于散乱点云模型的自适应分层方法研究基于散乱点云模型的自适应分层方法研究摘要:散乱点云模型是一种常见的三维模型表示方式,在许多领域中都有广泛应用。然而,由于点云数据的不规则分布和噪声干扰,对点云进行高效的分析和处理仍然存在一定的挑战。本文针对这一问题,提出了一种基于自适应分层方法的点云模型分析和处理方法。该方法首先通过空间索引结构将点云数据进行分层,然后根据每个层级的密度和相似性对点云进行聚类分析和噪声过滤。实验结果表明,该方法在点云模型的分析和处理中具有较好的鲁棒性和高效性。关键词:散乱点云模型;自适应
一种立体全景视频非对称传输流自适应方法及系统.pdf
本发明涉及一种立体全景视频非对称传输流自适应方法及系统,该方法包括以下步骤:S1、服务器端对视频数据在时间上切割为片段,在空间上切割为切片;S2、将切割后的视频按照不同的视频质量以不同的码率缓存在HTTP服务器;S3、结合3DCNN网络和LSTM网络进行概率预测;S4、利用基于AC的多智能体强化学习对左右视点进行联合码率控制,以平衡单路视点质量与整体质量的相互影响;S5、设计奖励函数,以使系统选择更加合适的码率;S6、下载后的数据经过解码和拼接缝合,存储在客户端播放缓存中,通过播放软件进行渲染和播放。该方
QoE驱动下的联合资源分配的点云视频自适应传输方法.pdf
本发明公开了一种QoE驱动下的联合资源分配的点云视频自适应传输方法,其步骤包括:1、将点云视频在空间上进行3D均匀切分,每个切块被压缩成不同的码率等级;2、将点云视频在时间上进行分组,每个帧组是码率变化的最小单位;3、将不同码率等级的点云视频切块存储在服务器中,生成记录它们信息的描述文件;4、服务器结合反馈信道中的用户实时视角信息,下行信道的带宽信息和设备的计算性能,为每个视频切块选择一种质量等级和传输形式,客户端把接受到的切块解码,融合和渲染后得到完整的视频进行播放。本发明能够更好地提高系统资源的利用率