提升对短视频流媒体感知质量的意识

《IEEE Transactions on Services Computing》：Enabling the Awareness of Video Perceived Quality for Short-Form Video Streaming

短视频流媒体中，尽管移动网络发展迅速且用户规模庞大，但多数视频因缺乏场景复杂度驱动的质量优化，导致QoE不足。本研究提出QASVS系统，通过机器学习分析视频内容特征并生成自适应比特率模型，实验表明其视频质量提升11.1%~27.9%且显著减少缓冲。

　　

摘要：

近年来，得益于高速移动网络的快速发展，通过移动设备流媒体播放短视频（例如TikTok）在移动用户中变得无处不在。尽管应用非常广泛，但基于真实视频数据源的调查发现，观众观看的许多短视频的视频质量并不理想（例如VMAF分数较低），这表明用户体验（QoE）实际上远未达到最佳状态。这一问题主要是由于缺乏根据视频内容特征（如场景复杂性）来优化视频质量的意识。为了解决这个问题，本研究开发了一种名为Quality Aware Short Video Streaming (QASVS)的新系统，该系统采用机器学习技术来学习视频内容特征，然后自动生成基于质量的比特率决策模型，以优化用户感知的视频质量和QoE。广泛的评估表明，与现有的流媒体算法相比，QASVS能够将视频质量提高11.1%至27.9%，同时显著减少播放过程中的缓冲现象。因此，QASVS为流媒体服务提供商提供了一种有效的方式，以提供高性能的短视频服务。

引言

如今，由于移动网络带宽的大幅提升，移动视频流媒体已成为移动用户不可或缺的应用[1]。从最初提供专业制作的长视频内容（如电影、新闻）开始，近年来趋势已转向分享用户生成的短视频。例如，在中国，截至2024年12月，短视频用户数量已超过10亿，占互联网用户总数的96.6%[2]。这一趋势主要由众多新兴的短视频应用推动，如TikTok/Douyin、Kwai/Kuaishou、YouTube Shorts等，这些应用近年来在全球的下载量已超过100亿次[8]。