TU Darmstadt / ULB / TUbiblio

User-centric Video in the Future Internet: QoE in Participatory Video Generation and Distribution

Stohr, Denny (2018):
User-centric Video in the Future Internet: QoE in Participatory Video Generation and Distribution.
Darmstadt, Technische Universität, [Online-Edition: https://tuprints.ulb.tu-darmstadt.de/7616],
[Ph.D. Thesis]

Abstract

Today, more than 73 percent of all transmitted data on the Internet is video traffic, making it the central network application which is used by billions of users globally; with new service offerings, improving content quality and, an increasing number of customers, also, new challenges arise in this domain. For example, streamed video is viewed and shared more than ever on mobile devices, bandwidth requirements rise to support standards with superior qualities like 4K and HDR, and worldwide service offerings come with diverse network environments to handle.

Driven by these challenges, this dissertation presents research with the central goal to measurably improve users’ Quality of Experience in current and future video applications on the Internet. We present findings in integral parts of video streaming applications, comprising adaptive live mobile broadcasting and video on demand use cases within three integrative research areas.

In our first contribution, we initially present results of a measurement study on live mobile video broadcasting services that show the video upload quality to be particularly impaired when mobile connections are used. For the automatic composition of live video, the quality of such mobile broadcasts are a prerequisite for achieving a high user satisfaction by switching between the best available content from multiple sources. However, the current approach to upload all available live user-generated video streams for mobile video composition leads to a high overhead on mobile devices. Our work presents a new method based on device context measurements that allows to drastically improve efficiency in such automatic video composition systems by identifying the relevant quality indicators on the device based on derived sensor and network measurements. We achieve an improved Quality of Experience with our proposed context-based stream selection method as verified in a field test and a crowd-sourced user study.

Next, in the context of the distribution of video on demand content using Dynamic Adaptive Streaming over HTTP (DASH), we show that strong potential lies in investigating the cross-layer configuration space of video streaming systems, given the wide range of interdependent system aspects, environments, and service requirements as opposed to state-of-the-art research that focuses on single system aspects such as adaptation algorithms. By generating a broad set of experiments, i. e., covering a wide spectrum of cross-layer DASH video streaming system configuration parameters, we identify such performance aspects related to, e. g., the TCP congestion control, adaptation algorithms, and DASH players within heterogeneous network environments. We show that a subset of concrete configurations can improve DASH user experience in video on demand applications, and further motivate transitions of such DASH mechanisms based on learned sweet spot configurations.

Last, we envision that in the long term, more fundamental changes to the underlying network infrastructure of the Internet need to be considered for addressing the demands of developing video streaming systems by investigation of adaptive video distribution in Named Data Networks (NDNs). First, we show that the naïve application of established concepts in DASH adaptation algorithms, that use buffer or segment throughput measurements as input, lead to unfavorable results given substantial differences in the network behavior of NDN. Our proposed concept for adaptation algorithms in NDNs is based on an improved network throughput measurement method and is shown to reduce stalling and increase streaming bitrates as compared to approaches used in current DASH adaptation algorithms.

Overall, this dissertation provides the following contributions: i) first, a detailed emulation-based analysis and comparison of today’s DASH system implementations and algorithms, ii) novel concepts to enable efficient live mobile video composition, iii) and last, significant improvements in the performance for adaptive video streaming systems with the emerging NDN paradigm.

Item Type: Ph.D. Thesis
Erschienen: 2018
Creators: Stohr, Denny
Title: User-centric Video in the Future Internet: QoE in Participatory Video Generation and Distribution
Language: English
Abstract:

Today, more than 73 percent of all transmitted data on the Internet is video traffic, making it the central network application which is used by billions of users globally; with new service offerings, improving content quality and, an increasing number of customers, also, new challenges arise in this domain. For example, streamed video is viewed and shared more than ever on mobile devices, bandwidth requirements rise to support standards with superior qualities like 4K and HDR, and worldwide service offerings come with diverse network environments to handle.

Driven by these challenges, this dissertation presents research with the central goal to measurably improve users’ Quality of Experience in current and future video applications on the Internet. We present findings in integral parts of video streaming applications, comprising adaptive live mobile broadcasting and video on demand use cases within three integrative research areas.

In our first contribution, we initially present results of a measurement study on live mobile video broadcasting services that show the video upload quality to be particularly impaired when mobile connections are used. For the automatic composition of live video, the quality of such mobile broadcasts are a prerequisite for achieving a high user satisfaction by switching between the best available content from multiple sources. However, the current approach to upload all available live user-generated video streams for mobile video composition leads to a high overhead on mobile devices. Our work presents a new method based on device context measurements that allows to drastically improve efficiency in such automatic video composition systems by identifying the relevant quality indicators on the device based on derived sensor and network measurements. We achieve an improved Quality of Experience with our proposed context-based stream selection method as verified in a field test and a crowd-sourced user study.

Next, in the context of the distribution of video on demand content using Dynamic Adaptive Streaming over HTTP (DASH), we show that strong potential lies in investigating the cross-layer configuration space of video streaming systems, given the wide range of interdependent system aspects, environments, and service requirements as opposed to state-of-the-art research that focuses on single system aspects such as adaptation algorithms. By generating a broad set of experiments, i. e., covering a wide spectrum of cross-layer DASH video streaming system configuration parameters, we identify such performance aspects related to, e. g., the TCP congestion control, adaptation algorithms, and DASH players within heterogeneous network environments. We show that a subset of concrete configurations can improve DASH user experience in video on demand applications, and further motivate transitions of such DASH mechanisms based on learned sweet spot configurations.

Last, we envision that in the long term, more fundamental changes to the underlying network infrastructure of the Internet need to be considered for addressing the demands of developing video streaming systems by investigation of adaptive video distribution in Named Data Networks (NDNs). First, we show that the naïve application of established concepts in DASH adaptation algorithms, that use buffer or segment throughput measurements as input, lead to unfavorable results given substantial differences in the network behavior of NDN. Our proposed concept for adaptation algorithms in NDNs is based on an improved network throughput measurement method and is shown to reduce stalling and increase streaming bitrates as compared to approaches used in current DASH adaptation algorithms.

Overall, this dissertation provides the following contributions: i) first, a detailed emulation-based analysis and comparison of today’s DASH system implementations and algorithms, ii) novel concepts to enable efficient live mobile video composition, iii) and last, significant improvements in the performance for adaptive video streaming systems with the emerging NDN paradigm.

Place of Publication: Darmstadt
Divisions: 20 Department of Computer Science
20 Department of Computer Science > Distributed Multimedia Systems
Date Deposited: 09 Sep 2018 19:55
Official URL: https://tuprints.ulb.tu-darmstadt.de/7616
URN: urn:nbn:de:tuda-tuprints-76162
Referees: Steinmetz, Prof. Ralf and Effelsberg, Prof. Wolfgang
Refereed / Verteidigung / mdl. Prüfung: 16 July 2018
Alternative Abstract:
Alternative abstract Language
Heutzutage macht das Streamen von Videos mehr als 73 Prozent aller übertragenen Daten im Internet aus. Das macht es zu der zentralen Anwendung in den existierenden Netzwerken, die weltweit von Milliarden von Nutzern genutzt wird. Mit neuen Serviceangeboten, steigender Content-Qualität und einer ebenso steigenden Anzahl von Kunden ergeben sich auch neue Herausforderungen in diesem Bereich. Zum Beispiel werden Videos mehr als je zuvor auf mobilen Geräten angesehen und geteilt, Bandbreitenanforderungen steigen durch Standards mit höheren Qualitäten wie 4K und HDR und zuletzt geht das weltweite Anbieten von Videodiensten auch mit unterschiedlichen Netzwerkumgebungen einher, welche von Dienstanbietern bewältigt werden müssen. Vor diesem Hintergrund präsentiert die vorliegende Dissertation Forschung mit dem zentralen Ziel, die wahrgenommene Qualität, also Quality of Experience (QoE), von Nutzern in aktuellen und zukünftigen Videoanwendungen im Internet messbar zu verbessern. Wir präsentieren Ergebnisse in integralen Teilen von Video-Streaming-Anwendungen, die adaptive Live-Broadcasting und Video-on-Demand (VoD) Anwendungsfälle in drei integrativen Forschungsbereichen umfassen. In unserem ersten Beitrag präsentieren wir zunächst eine Messungsstudie zu Live-Video-Broadcasting-Diensten und stellen fest, dass Video-Uploads eine niedrige Gesamt-Videoqualität aufweisen, insbesondere wenn sie von mobilen Verbindungen übertragen werden. Für die automatische Zusammenstellung von Live-Videos ist die Qualität solcher mobilen Übertragungen eine Voraussetzung, um eine hohe Benutzerzufriedenheit zu erreichen, indem zwischen den besten verfügbaren Inhalten aus mehreren Quellen umgeschaltet wird. Der derzeit verwendete Ansatz zum Hochladen aller verfügbaren Live-User-Generated Videos für Mobile Video Kompositen führt zu einer sehr hohen Datennutzung auf mobilen Geräten. Unsere Arbeit stellt eine neue Methode vor, die auf Messungen von Gerätekontexten beruht und es ermöglicht, die Effizienz in solchen automatischen Kompositionssystemen drastisch zu verbessern, indem die relevanten Qualitätsindikatoren auf dem Gerät basierend auf abgeleiteten Sensor- und Netzwerkmessungen identifiziert werden. Wir erreichen eine verbesserte QoE mit unserer vorgeschlagenen kontextbasierten Stream-Auswahlmethode, die in einem Feldtest und einer Crowdsourcing-Benutzerstudie verifiziert wurde. Als Nächstes zeigen wir, dass bei der Verteilung von VoD-Inhalten mit dynamischem adaptivem Streaming über HTTP (DASH) durch die Untersuchung des Cross-Layer-Konfigurationsraums des Videos Streaming Systems (VSS) weitere Serviceverbesserungen möglich sind. Im Gegensatz zur Fokussierung auf einzelne Systemaspekte wie Adaptierungsalgorithmen lassen sich hier, angesichts der großen Bandbreite an voneinander abhängigen Systemaspekten, Umgebungen und Serviceanforderungen Abhängigkeiten zwischen konkreten Konfigurationen finden, die eine höhere QoE für Kunden erzielen können. Durch das Generieren einer breiten Reihe von Experimenten, d.e., die ein breites Spektrum von schichtübergreifenden DASH-VSS-Konfigurationsparametern abdeckt, identifizieren wir solche Leistungsaspekte, die z. B. die TCP Congestion Control und DASH Player in heterogenen Netzwerkumgebungen berücksichtigen. Wir zeigen, dass eine Teilmenge konkreter Konfigurationen die DASH QoE in VoD-Anwendungen verbessern und Übergänge solcher DASH-Mechanismen basierend auf erlernten Sweet-Spot-Konfigurationen weiter motivieren kann. Schließlich ist unsere Meinung, dass auf lange Sicht grundlegendere Änderungen an der zugrunde liegenden Netzwerkinfrastruktur des Internets in Betracht gezogen werden müssen, um die Anforderungen der Entwicklung von VSS zu bewältigen. Hier sehen wir insbesondere die Untersuchung und Anwendung der adaptiven Videoverteilung in Named Data Networking (NDNs) als geeignete Methode. Zunächst zeigen wir, dass die naive Anwendung etablierter Konzepte in DASH, die Puffer- oder Segmentdurchsatzmessungen als Input verwenden, zu ungünstigen Ergebnissen führen, wenn das Netzwerkverhalten von NDN stark variiert. Unser vorgeschlagenes Konzept für NDNs basiert auf einer verbesserten Netzwerk-Durchsatz-Messmethode und reduziert nachweislich das Nachladen von Videoinhalten und erhöht die Streaming-Bitraten im Vergleich zu aktuellen Ansätzen in DASH. Insgesamt liefert diese Dissertation die erste detaillierte emulationsbasierte Analyse und einen Vergleich der heutigen adaptiven VSS-Implementierungen und -Algorithmen, führt neue Konzepte ein, um eine effiziente Live-Mobile Video Kompositen zu ermöglichen und verbessert signifikant die Leistung für adaptives Video-Streaming mit dem aufkommenden NDN-Paradigma.German
Export:
Suche nach Titel in: TUfind oder in Google

Optionen (nur für Redakteure)

View Item View Item