基于边缘资源协同的多视角互动流媒体内容分发和画面重构策略优化

With the rapid development of multi-view interactive live streaming services, more and more Internet users can enjoy immersive on-demand/live broadcasting using personal devices. Yet the user’s experience is related to the definition of the reconstructed scenes, which further increase networking bandwidth and device performance compared with traditional streaming services. It is worth note that existing edge-enabled network can serve flexible computing resources to users in a neighborhood region, which brings innovation and opportunities for the improvement of multi-view interactive live streaming services. This project introduces a novel content delivery and reconstruction framework, which uses the flexible computing resources provided by edge nodes to analyze the scene feature, user characteristics and networking status and guide the strategies of scene reconstruction and content delivery. Meanwhile, the research achievements of this project will provide theoretical significance and application values for multi-view interactive live broadcasting services.

随着多视角互动流媒体服务的快速发展，越来越多的用户可以使用个人设备体验沉浸式的点播/直播服务。但该服务需要对观看画面进行重构且用户体验与画面清晰度相关，因此，其对网络和设备资源要求也较传统流媒体服务高。值得注意的是，边缘节点资源构建的服务网络可以向临近小区域用户提供弹性计算资源，为多视角互动流媒体服务的提升带来了创新和机遇。本课题为多视角互动流媒体服务提出了一个新的画面重构框架，该框架利用边缘节点提供的弹性计算资源细粒度地分析画面图像特征、用户行为特征和网络状态特征，有助于快速地给出画面重构决策，并能够在带宽有限的情况下，降低画面重构延迟，提高用户观看体验。本课题的研究成果将为多视角互动流媒体服务的应用和普及提供理论支持和技术保障。

随着多视角互动流媒体服务的快速发展，越来越多的用户可以使用个人设备体验沉浸互动式的点播/直播观看体验。但互动流媒体服务对网络和设备资源要求也较传统流媒体服务高。值得注意的是，边缘节点资源构建的服务网络可以向临近小区域用户提供弹性计算资源，为多视角等互动流媒体服务的提升带来了创新和机遇。本课题的主要研究内容包括：（1）基于交互式直播场景，提出了面向多人互动流媒体直播的交互行为和内容分发算法；（2）提出了基于深度神经网络的缓存替换策略，可以从请求序列中实时自动学习缓存策略，而无需使用任何数据预处理或特征工程；（3）面向云边协同的内容分发模式，提出了基于内容赞助支持的边缘缓存方案；（4）设计了一种算法，通过云边协同的基础设施策略性地匹配观众会话与转码分发路径来最大化个人的QoE。本项目重点对交互式直播场景下的流媒体内容分发和缓存策略进行研究，可以在带宽有限的情况下，降低画面播放延迟，提高用户观看体验。本课题的研究成果将为互动流媒体服务的应用和普及提供理论支持和技术保障。