Les réseaux de neurones peuvent servir d'intermédiaire entre la taille et la qualité du téléchargement, selon un chercheur
Les exigences en matière de données d'application par rapport à la bande passante réseau disponible ont été la bataille en cours à l'ère de l'information, mais il semble désormais qu'une trêve soit à portée de main, sur la base de nouvelles recherches du professeur agrégé du NJIT Jacob Chakareski.
Chakareski et son équipe, en collaboration avec des pairs de l'Université du Massachusetts-Amherst, ont conçu un système permettant de rendre les requêtes réseau plus petites et d'augmenter la différence via un réseau neuronal fonctionnant sur le matériel de réception.
Ils l'appellent BONES (Buffer Occupancy-based Neural-Enhanced Streaming) et sera présenté cet été à la conférence ACM Sigmetrics à Venise, en Italie, où seulement 10 % environ des articles soumis sont acceptés.
« L'accès à un contenu vidéo de haute qualité peut être difficile en raison d'une bande passante réseau insuffisante et instable… L'amélioration neuronale a montré des résultats prometteurs dans l'amélioration de la qualité des vidéos dégradées grâce à l'apprentissage en profondeur », ont-ils déclaré.
Utilisant une fonction mathématique connue sous le nom d'optimisation de Lyapunov, « nos résultats expérimentaux complets indiquent que BONES augmente la qualité de l'expérience de 4 % à 13 % par rapport aux algorithmes de pointe, démontrant ainsi son potentiel pour améliorer l'expérience de streaming vidéo pour utilisateurs. »
« Les gens y ont déjà pensé. Mais c'est le premier travail dans lequel cela est caractérisé mathématiquement et s'assure qu'il respecte les contraintes de latence. Les gens ont parlé de cette idée de données à super-résolution », a expliqué Chakareski. « Le client prend ensemble les décisions de planification des débits et de planification des calculs. C'est la clé de l'approche. Cela n'a jamais été fait auparavant. »
« Nous avons construit un prototype, donc les résultats présentés dans le document sont basés sur le prototype. Et il fonctionne très bien. Les résultats sont tout aussi bons que ceux que nous avons pu observer grâce à des simulations », a-t-il déclaré. . L'équipe partage également son code et ses données en public.
Une application de validation de principe est en préparation. L'équipe BONES travaille avec l'Université de l'Illinois à Urbana-Champaign sur un projet de réalité mixte appelé MiVirtualSeat : Semantics-Aware Content Distribution for Immersive Meeting Environments, qui fait face aux défis de réseau auxquels BONES répond.
Chakareski a déclaré qu'il espérait que les services de vidéoconférence populaires pourraient également adopter cette méthode. « Je pense qu'il y aura une pression en ce sens parce que le calcul neuronal est en train de devenir quelque chose. On entend beaucoup parler de l'apprentissage automatique dans différents domaines, et cela pourrait être une application supplémentaire où il pourrait être utilisé. Nous n'avons pas pensé à commercialiser cette technologie. , mais c'est certainement quelque chose que l'on pourrait poursuivre, et nous pouvons poursuivre.
« Il y a cette course continue entre la qualité du contenu et les capacités du réseau. Tant que les deux fonctionneront côte à côte, cela restera toujours un problème. »
La recherche est publiée sur le arXiv serveur de préimpression.
