Lumikha ang isang computer scientist ng isang 'laboratoryo' upang mapagbuti ang streaming video

Sa mga araw na ito ng paglilipat sa lipunan, bilang milyun-milyong kolehiyo sa bahay upang magpanggap-manood ng TV sa internet, ang mga mananaliksik ng Stanford ay nagbukas ng isang algorithm na nagpapakita ng isang makabuluhang pagpapabuti sa streaming video technology.

Ang bagong algorithm na ito na tinawag na Fugu, ay binuo sa tulong ng mga manonood ng boluntaryo na nanonood ng isang stream ng video, na pinaglingkuran ng mga siyentipiko sa computer na gumagamit ng pagkatuto ng makina upang suriin ang daloy ng data na ito sa totoong oras, naghahanap ng mga paraan upang mabawasan ang mga glitches at kuwadra.

Sa isang pang-agham na papel, inilarawan ng mga mananaliksik kung paano nila nilikha ang isang algorithm na itinulak lamang ang mas maraming data na maaaring matanggap ng koneksyon sa internet ng manonood nang walang nakapanghihinang kalidad.

"Sa streaming, ang pag-iwas sa mga stall ay nakasalalay nang malaki sa mga algorithm na ito," sabi ni Francis Yan, isang kandidato ng doktor sa science sa computer at unang may-akda ng papel, na natanggap ang 2020 USENIX NSDI Community Award.

Marami sa mga nananaig na sistema para sa streaming video ay batay sa isang bagay na tinawag na Buffer-Based Algorithm, na kilala bilang BBA, na binuo pitong taon na ang nakalilipas ng mag-aaral na nagtapos sa Stanford na si Te-Yuan Huang, kasama ang mga propesor na Nick McKeown at Ramesh Johari.

Tinatanong lang ng BBA ang aparato ng manonood kung magkano ang video nito sa buffer nito. Halimbawa, kung mayroon itong mas mababa sa 5 segundo na naka-imbak, ang algorithm ay nagpapadala ng mas mababang kalidad ng footage upang bantayan laban sa mga pagkagambala. Kung ang buffer ay may higit sa 15 segundo na naka-imbak, ang algorithm ay nagpapadala ng pinakamataas na kalidad ng video na posible. Kung ang numero ay nahuhulog sa pagitan, inaayos ng algorithm ang kalidad nang naaayon.

Bagaman ang BBA at mga katulad na algorithm ay laganap sa industriya, may paulit-ulit na mga pagtatangka ng mga mananaliksik sa paglipas ng mga taon upang bumuo ng mas sopistikadong mga algorithm gamit ang pag-aaral ng makina - isang form ng artipisyal na intelihente kung saan tinuturo ng mga computer ang kanilang sarili upang mai-optimize ang ilang proseso.

Ngunit sa isang modernong pagkakaiba-iba ng lumang ad ng basura-sa-basura-sa labas ng computer, ang mga algorithm ng pag-aaral ng machine na ito ay karaniwang nangangailangan ng simulated data upang malaman mula sa, sa halip na ang tunay na bagay na naihatid sa totoong internet. Dito nakasalalay ang isang problema.

"Ang internet ay naging isang mas magulo na lugar kaysa sa aming mga simulation," sabi ni Keith Winstein, isang katulong na propesor ng computer science na pinangasiwaan ang proyekto at pinayuhan si Yan kasama ang associate professor ng computer science at electrical engineering na si Philip Levis. "Ang nahanap ni Francis ay maaaring magkaroon ng isang sulok sa pagitan ng paggawa ng isa sa mga algorithm na ito ay gumagana sa simulation laban sa paggawa nito sa tunay na internet."

Upang lumikha ng isang makatotohanang microcosm ng mundo na nanonood sa TV, ang koponan ni Winstein ay nagtayo ng isang antena atop sa Stanford's Packard Building upang makakuha ng libre, over-the-air broadcast signal na kung saan ay pagkatapos ay na-compress at nag-stream sa mga boluntaryo na nag-sign up upang lumahok sa proyekto ng pananaliksik , na kilala bilang Puffer. Simula sa huli ng 2018, ang mga boluntaryo ay nag-stream at nanonood ng mga programa sa TV sa pamamagitan ng Puffer at ang mga siyentipiko sa computer ay sabay-sabay na sinusubaybayan ang data stream gamit ang kanilang sariling machine learning algorithm, Fugu, at apat pang nangungunang mga contenders, kabilang ang BBA, na sinanay upang ayusin ang kanilang pagganap batay sa ang aktwal na kondisyon ng kalidad na naranasan ng mga manonood.

Sa pagsisimula ng kanilang stream, ang bawat manonood ay random na naatasan ng isa sa limang mga algorithm ng streaming at ang koponan ng Stanford ay naitala ang streaming data tulad ng average na kalidad ng video, ang bilang ng mga kuwadra at ang haba ng oras na nakatutok sa viewer.

Hindi sumang-ayon ang mga resulta sa ilang mga naunang pag-aaral sa pananaliksik na batay sa mga simulation o sa mas maliit na mga pagsubok. Kapag ang di-sopistikadong mga algorithm sa pag-aaral ng machine ay sinubukan laban sa BBA sa totoong mundo, ang mas simpleng pamantayan ay gaganapin ang sarili nito. Sa pagtatapos ng pagsubok, gayunpaman, naipalabas ng Fugu ang iba pang mga algorithm - kabilang ang BBA — sa mga tuntunin ng hindi bababa sa oras ng pagkagambala, pinakamataas na resolusyon ng imahe at ang pagkakapareho ng kalidad ng video. Ano pa, ang mga pagpapabuti ay lilitaw na magkaroon ng lakas upang mapanatiling nakatutok ang mga manonood. Ang mga manonood na nanonood ng mga stream na video na pinapakain ng Fugu ay nag-hintay ng average na 5-9% kaysa sa iba pang mga nasubok na algorithm.

"Natagpuan namin ang ilang mga nakakagulat na paraan kung saan ang tunay na mundo ay naiiba mula sa kunwa, at kung paano ang pag-aaral ng makina ay minsan ay makagawa ng mga nakaliligaw na mga resulta. Nakatutuwang iyon sa na nagmumungkahi ng maraming kawili-wiling mga hamon na malulutas," sabi ni Winstein.

Mag-iwan ng mensahe 

Pangalan *

Email *

telepono

address

kodigo

mensahe

 

Listahan ng Mensahe