圖片來源: 

MIT News

麻省理工學院(MIT)的電腦科學暨人工智慧實驗室(Computer Science and Artificial Intelligence Laboratory,CSAIL)準備在下周舉行的SIGCOMM計算機通訊網路會議上展示一項新的AI系統,此一基於機器學習的「儲思盆」(Pensieve)系統將能用來改善串流影片的效能,減少影片像素化或停擺的機率,以創造更好的觀賞經驗。

全球最大影片分享平台YouTube是利用自適性比特率(adaptive bitrate,ABR)的各種演算法來創造更連貫的觀賞經驗,這些演算法會把影片切成小塊以方便下載,當網路緩慢時,YouTube就會調降影片的解析度,於是便會出現像素化,假設使用者快轉,重新緩衝的結果則會讓影片定格。

CSAIL指出,儘管ABR運算法通常是有效的,但使用者的期望卻是無邊的,總是希望能觀賞到高畫質且順暢的串流影片。

MIT教授Mohammad Alizadeh表示,許多研究顯示使用者會在畫質太差時放棄觀賞該影片,而這將造成出版商廣告收入的流失。因此,他與CSAIL團隊共同打造了Pensieve系統,該系統可根據網路狀態來選擇不同的演算法,而帶來更高品質的串流經驗。

Pensieve系統的作法是把每一個ABR演算法當成一個神經網路,並在不同頻寬或緩衝的環境中反覆進行測試,以獎勵與處罰機制來調整演算法,例如當帶來高解析度與不需緩衝的串流經驗時便得到獎勵,藉此學習可影響效能的各種策略,並判斷最佳策略。Pensieve系統也支援客製化設定,例如可想像使用者的個性來決定是品質或順暢優先。

實驗發現,透過Pensieve系統串流影片時,重新緩衝的機率比其他作法少了20~30%,同時其體驗品質(QoE)則高出了25%。

由於Pensieve系統的訓練是基於單月的影片串流數量,Alizadeh認為假使擁有Netflix或YouTube等級的影片串流規模,它的效能將更為驚人。該團隊的下一步則是把Pensieve系統應用在虛擬實境(VR)影片上。

 

MIT介紹影片:

 


Advertisement

更多 iThome相關內容