细粒度吞吐ABR算法

QoE提升最高1.46倍

采用两阶段学习生成毫秒级精细吞吐量，为码率决策提供近似全知的网络视图。

Congkai, An · 张欢欢 · Jingyang, Kang · Zhuo, Liu · 周安福 · 刘亮 · 马华东

IEEE Transactions on Circuits and Systems for Video Technology 2024

参数信息

QoE提升幅度

1.21–1.46 ×

技术优势

看得见毫秒波动

两阶段学习模块生成细粒度未来吞吐量，提供近似全知的网络视图，避免粗粒度估计导致的误判。

码率决策更聪明

利用细粒度吞吐量准确计算视频块的下载时长，并借助自定义 QoE 收益模型将其转化为最优分辨率选择。

轻量即插即用

以轻量级插件接口形式部署在标准 DASH 框架上，无需改动现有系统即可提升 QoE。

应用场景

• 视频流媒体优化：视频平台可集成SuperABR插件，在动态网络下自动选择最优分辨率，减少卡顿和画质波动。
• 网络带宽预测：两阶段学习能预测毫秒级未来吞吐量，为自适应码率决策提供细粒度网络带宽信息。
• 边缘计算内容分发：轻量级设计便于在边缘节点部署，实时处理本地流量，提升内容分发效率和用户QoE。