Aller au contenu principal
2024 conference-paper

Q2oE: Balancing QoE Fairness and Preference for Video Streaming from Cooperative Edge Servers

3Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Quality of Experience (QoE) is a pivotal factor that defines the overall quality within the realm of video streaming services. To improve users' QoE indicators, existing methods have proposed many QoE models and Adaptive Bitrate (ABR) algorithms. However, these advanced methods do not account for the tradeoff between users' personalized preferences and fairness, leading to resource wastage on the edge server and an inefficient bitrate allocation. Given resource constraints, non-cooperative edge servers frequently request the cloud to enhance user QoE, consequently resulting in high-latency transmissions. In this paper, we address this issue by introducing collaborative edge servers, which alleviate the burden of video chunk transcoding and caching on individual servers. Specifically, we design a novel QoE model named Q20E that incorporates user-level QoE preference and QoE fairness in this scenario. Furthermore, we propose Q2D3, a Q2oE-aware reinforcement learning algorithm based on a video chunk transcoding strategy for mobility-aware vehicular networks, to improve Q2oE model performance.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé, mais le titre doit être comparé manuellement.

Titre Crossref
Q<sup>2</sup>oE: Balancing QoE Fairness and Preference for Video Streaming from Cooperative Edge Servers
Date Crossref
23/09/2024
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • University of Science and Technology of China pays non établi dans la notice
    Université ou école supérieure
  • Temple University pays non établi dans la notice
    Université ou école supérieure
  • School of Software Engineering pays non établi dans la notice
    Université ou école supérieure
  • School of Computer Science and Technology pays non établi dans la notice
    Université ou école supérieure

University of Science and Technology of China, Temple University et School of Software Engineering, avec 1 autre affiliation.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Image and Video Quality AssessmentIoT and Edge/Fog Computing

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.