Key points are not available for this paper at this time.
비디오 품질 평가에는 주관적 및 객관적 지표, 테스트 및 네트워크 모니터링을 포함하는 통합 접근 방식이 필요합니다. 본 논문은 사용자 만족 한계를 결정하기 위해 QoE 지표를 사용하여 서비스 품질(QoS)을 경험 품질(QoE)로 매핑하는 새로운 접근 방식에 대해 다룹니다. 우리의 목표는 비디오 품질에 대한 객관적 추정치와 주관적 추정치를 연결하는 것이었습니다. 주관적 평가를 위한 종합 도구가 제안됩니다. 이 새로운 아이디어는 개별 비디오 프레임의 공간 정보(SI) 및 시간 정보(TI)에서 파생된 센티넬 플래그를 사용하여 비디오 시퀀스를 평가 및 표시하는 데 기반합니다. 본 논문의 저자들은 품질 평가를 위한 비디오 데이터베이스를 생성하고, 장면을 분류하기 위해 각 비디오 시퀀스에서 SI 및 TI를 도출했습니다. 데이터베이스의 비디오 장면은 객관적 및 주관적 평가에 의해 평가되었습니다. 결과에 기반하여 주관적 품질 예측을 위한 새로운 모델이 정의되고 본 논문에서 제시됩니다. 이 품질은 객관적 평가와 해상도, 압축 표준, 비트스트림과 같은 질적 매개변수로 정의된 비디오 시퀀스 유형을 기반으로 인공 신경망을 사용하여 예측됩니다. 또한 저자들은 제안된 모델에서 장면 유형을 결정하는 비디오의 플래그를 기반으로 변동 비트레이트 설정을 위한 임계값을 정의하는 최적 매핑 함수를 생성했습니다. 이 함수는 특정 장면 세그먼트에 대해 비트레이트를 동적으로 할당하고 원하는 품질을 유지할 수 있도록 합니다. 우리가 제안하는 모델은 비디오 서비스 제공자가 최종 사용자에게 편안함을 증가시키는 데 도움을 줄 수 있습니다. 변동 비트스트림은 일관된 비디오 품질과 고객 만족을 보장 while, 네트워크 자원이 효과적으로 사용됩니다. 제안된 모델은 또한 객관적 또는 주관적 평가를 사용하여 정의된 비디오 시퀀스의 요구 품질에 따라 적절한 비트레이트를 예측할 수 있습니다.
Sevcik et al. (수), 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: