转移自编码器吞吐量预测模型

多场景切换预测准

针对云桌面视频流频繁切换场景，该模型利用对抗式迁移机制将场景与吞吐量特征对齐，解决单一模型难以适应多场景的问题。

Jin, Zuodong · Peng, Qi · 高睿鹏 · Yanzhe, Jing · Tao, Dan

IEEE Transactions on Multimedia 2025

技术优势

多场景切换也能准

通过场景自编码器和吞吐量自编码器分别学习两种特征，并用对抗迁移机制对齐，模型能适应频繁切换的场景。

预测准，资源不浪费

准确的吞吐量预测用于指导网络资源分配，避免资源不足导致体验下降和资源过多造成浪费。

应用场景

• 云服务资源调度：用预测结果提前调度云服务资源，避免过载或闲置。
• 视频流传输优化：优化云桌面视频流的码率与缓冲策略，适配网络波动。
• 网络资源分配：根据预测吞吐量动态分配带宽，保障关键会话质量。
• 云桌面用户体验保障：提前感知吞吐量下降风险，预防卡顿和延迟。