Mécanismes d’adaptation basés sur des métriques objectives de la qualité vidéo pour la diffusion de vidéo selon DASH

Objective video quality metric aware Adaptation mechanisms for video streaming based on DASH

• Auteur / Autrice : Mustafa Othman
• Direction : Ken Chen, Anissa Mokraoui
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 22/06/2021
• Etablissement(s) : Paris 13
• Ecole(s) doctorale(s) : École doctorale Galilée (Villetaneuse, Seine-Saint-Denis)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de traitement et transport de l'information (Villetaneuse, Seine-Saint-Denis)
• Jury : Examinateurs / Examinatrices : Nadjib Ait Saadi
• Jury : Rapporteurs / Rapporteuses : Hossam Afifi, François-Xavier Coudoux

Mots clés

Mots clés contrôlés

Algorithmes de streaming (télécommunications)

Qualité d'expérience (télécommunications)

Qualité de Service (télécommunications)

Vidéos sur Internet

Streaming (télécommunications)

Mots clés libres

Streaming Video

QoE (Quality of Experience)

ABR (Adaptive BitRate)

Norme DASH ((Dynamic Adaptive Streaming over HTTP)

Réseaux mobiles

Video Streaming

QoE

ABR

Résumé

La norme DASH (Dynamic Adaptive Streaming over HTTP) est largement adoptée pour la di˙usion de vidéo. Le mécanisme d’adaptation du style ABR (Adaptive BitRate), qui est un des composants clé de DASH, n’est pas normalisée, car il doit prendre divers éléments en compte, notamment le contexte de la communication et du système, mais également la qualité perçue par les usagers, pour maximiser la QoE (Quality of Experience). De nombreux algorithmes ABR ont été proposés. Peu d’entre eux accordent une importance à la qualité perçue, et objectivement calculée, comme paramètre d’adaptation. Cette thèse propose un cadre générique, nommé VQBA (Video Quality Metric Based Adaptation algorithm), permettant d’intégrer une métrique objective de la qualité vidéo de son choix comme paramètre d’adaptation. Le principe consiste à maximiser l’utilisation eÿcace de la bande passante disponible en décidant d’adopter un débit plus élevé non seulement parce qu’il est faisable, mais aussi parce que cela apporte une amélioration visuelle significative. Nous avons mené de nombreux tests avec des séquences vidéo de diverses natures et en les plaçant dans de vraies situations de réseaux avec des traces issues des réseaux mobiles opérationnels. Ces tests, à travers trois métriques usuelles de la qualité vidéo, nommément SSIM (Structural Similarity Index Measurement), PSNR (Peak Signal to Noise Ratio) et VMAF (Video Multimethod Assessment Fusion), et en comparaison avec une sélection d’algorithmes ABR, montrent que la voie que nous avons explorée, c’est-à-dire, accorder une importance à la qualité vidéo comme paramètre d’adaptation, est une voie eÿcace pour une meilleure QoE

The DASH (Dynamic Adaptive Streaming over HTTP) standard is widely adopted for video streaming. The Adaptive BitRate (ABR) style adaptation mechanism, which is a key component of DASH, is not standardized, since it must take various elements into account, in particular the context of the communication and the system, but also the quality perceived by the users, to maximize the QoE (Quality of Experience). Many ABR algorithms have been proposed. Few of them attach importance to perceived, and objectively calculated, quality as an adaptation parameter. This thesis proposes a generic framework, called VQBA (Video Quality Metric Based Adaptation algorithm), allowing to integrate an objective metric of the video quality of one’s choice as an adaptation parameter. The idea is to maximize the eÿcient use of the available bandwidth by deciding to switch to a higher speed not only because it is feasible, but also because it provides a significant visual improvement. We carried out numerous tests with video sequences of various kinds and by placing them in real network situations with traces from operational mobile networks. These tests, through three usual video quality metrics, namely SSIM (Structural Similarity Index Measurement), PSNR (Peak Signal to Noise Ratio) and VMAF (Video Multimethod Assessment Fusion), and in comparison with a selection of ABR algorithms, show that the path we explored, that is to say, giving importance to video quality as an adaptation parameter, is an e˙ective path for better QoE