TU Darmstadt / ULB / TUbiblio

Towards QoE-Driven Optimization of Multi-Dimensional Content Streaming

Alkhalili, Yassin ; Weil, Jannis ; Tahir, Anam ; Meuser, Tobias ; Koldehofe, Boris ; Mauthe, Andreas ; Koeppl, Heinz ; Steinmetz, Ralf (2024)
Towards QoE-Driven Optimization of Multi-Dimensional Content Streaming.
In: Electronic Communications of the EASST, 2021, 80
doi: 10.26083/tuprints-00027018
Artikel, Zweitveröffentlichung, Verlagsversion

WarnungEs ist eine neuere Version dieses Eintrags verfügbar.

Kurzbeschreibung (Abstract)

Whereas adaptive video streaming for 2D video is well established and frequently used in streaming services, adaptation for emerging higher-dimensional content, such as point clouds, is still a research issue. Moreover, how to optimize resource usage in streaming services that support multiple content types of different dimensions and levels of interactivity has so far not been sufficiently studied. Learning-based approaches aim to optimize the streaming experience according to user needs. They predict quality metrics and try to find system parameters maximizing them given the current network conditions. With this paper, we show how to approach content and network adaption driven by Quality of Experience (QoE) for multi-dimensional content. We describe components required to create a system adapting multiple streams of different content types simultaneously, identify research gaps and propose potential next steps.

Typ des Eintrags: Artikel
Erschienen: 2024
Autor(en): Alkhalili, Yassin ; Weil, Jannis ; Tahir, Anam ; Meuser, Tobias ; Koldehofe, Boris ; Mauthe, Andreas ; Koeppl, Heinz ; Steinmetz, Ralf
Art des Eintrags: Zweitveröffentlichung
Titel: Towards QoE-Driven Optimization of Multi-Dimensional Content Streaming
Sprache: Englisch
Publikationsjahr: 22 April 2024
Ort: Darmstadt
Publikationsdatum der Erstveröffentlichung: 8 September 2021
Ort der Erstveröffentlichung: Berlin
Verlag: Berlin UP
Titel der Zeitschrift, Zeitung oder Schriftenreihe: Electronic Communications of the EASST
Jahrgang/Volume einer Zeitschrift: 80
Kollation: 15 Seiten
DOI: 10.26083/tuprints-00027018
URL / URN: https://tuprints.ulb.tu-darmstadt.de/27018
Zugehörige Links:
Herkunft: Zweitveröffentlichungsservice
Kurzbeschreibung (Abstract):

Whereas adaptive video streaming for 2D video is well established and frequently used in streaming services, adaptation for emerging higher-dimensional content, such as point clouds, is still a research issue. Moreover, how to optimize resource usage in streaming services that support multiple content types of different dimensions and levels of interactivity has so far not been sufficiently studied. Learning-based approaches aim to optimize the streaming experience according to user needs. They predict quality metrics and try to find system parameters maximizing them given the current network conditions. With this paper, we show how to approach content and network adaption driven by Quality of Experience (QoE) for multi-dimensional content. We describe components required to create a system adapting multiple streams of different content types simultaneously, identify research gaps and propose potential next steps.

Freie Schlagworte: Multimedia Streaming, In-Network Processing, Reinforcement Learn-ing, Quality of Experience
Status: Verlagsversion
URN: urn:nbn:de:tuda-tuprints-270187
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
600 Technik, Medizin, angewandte Wissenschaften > 621.3 Elektrotechnik, Elektronik
Fachbereich(e)/-gebiet(e): 18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik > Bioinspirierte Kommunikationssysteme
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Datentechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Datentechnik > Multimedia Kommunikation
Hinterlegungsdatum: 22 Apr 2024 09:44
Letzte Änderung: 09 Aug 2024 06:29
PPN:
Export:
Suche nach Titel in: TUfind oder in Google

Verfügbare Versionen dieses Eintrags

Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen