公平感知的多类别360°视频流在云边协作网络中的应用

《IEEE Transactions on Multimedia》：Fairness-Aware Multicategory 360° Video Streaming in Cloud-Edge Collaboration Networks

360度视频流媒体中用户请求分布动态变化导致传统QoE优化方法不公平问题，本文提出基于云边协同的MADRL自适应学习框架，通过多智能体强化学习动态调整学习率，平衡不同视频类别的QoE公平性，实验证明可显著提升用户体验质量平均值。

　　

摘要：

360度视频流作为一种创新的视频呈现形式，为用户提供了沉浸式和交互式的体验，其中体验质量（QoE）是衡量用户观看感受的重要指标。在多类别360度视频流中，现有的基于QoE的优化方法通常假设请求分布是固定的，从而优先优化请求量较大的视频类别的边缘缓存和比特率选择。然而，在实际场景中，请求分布存在显著变化且难以准确预测，这些固定方法会导致平均QoE下降。为此，我们提出了一种基于公平性的360度视频流策略，用于云边协作网络中提升用户的平均QoE。具体而言，我们首先将边缘缓存和比特率选择问题构建为一个多智能体合作输入驱动的马尔可夫决策过程，以最大化用户的平均QoE并确保QoE公平性。接着，我们设计了一种基于自适应学习的多智能体深度强化学习（MADRL）方法，该方法能够根据动态的用户请求分布调整各智能体的学习速率，从而帮助智能体做出最优决策。实验结果表明，所提出的算法在确保用户QoE公平性的同时，显著提升了用户的平均QoE。