学界 | 视频卡到天荒地老?MIT最新算法Pensieve让你观影畅通无阻

08-15 12:56 首页 大数据文摘

大数据文摘作品,转载要求见文末

作者 | Adam Conner-Simons

编译 | 钱天培


美好的一天,和工作说拜拜,打开电脑开始刷剧吧!


然而,如果你蹭了一个不靠谱的wifi,你接下来看到的画面很可能是这样的,



这样的,



然后你整个人就会变成这样的,



这样的场景是否十分熟悉呢!当然了,你不是孤单一人——MIT的程序员们为此也是咬牙切齿了。


于是... 就有了下面我们要介绍的一款神器。


近日,MIT计算机科学与人工智能实验室(CSAIL)最新研发的机器学习系统尝试解决这一尴尬。这款新系统能够更灵活地根据网络状况调整视频播放,优化用户观看体验,让你和低像素和卡屏说再见。


在具体介绍这款神器前,让我们先来探究一下:我们的视频播放为什么会出现突如其来的低像素和卡屏问题呢?

OMMEN

实际上,这两个问题都是由于视频加载的特殊算法造成的。在播放过程中,一段视频会被分成几小段,随着你的播放被逐个加载。


如果你的网络质量很渣的话,你的视频在下几秒可能会进入低像素播放状况,从而保证你仍能继续观看视频。如果你选择直接跳到一段还没有加载过的视频的话,不好意思,你很可能就得盯着静止的屏幕等上几秒了。T


此外,即便你当前的网络状况良好,视频网站一般也不会帮你把整段视频缓存完毕——以Youtube为例,每天用户播放的视频时长超过10亿小时,缓存这些视频将会是一个巨大的浪费。


尽管以上的算法十分智能,随着视频播放用户们被越养越刁,这些算法已经不能够满足他们的需求了。


emoji 戳下方,观看短视频



“研究表明,用户会在视频质量太差时彻底放弃观看,这就造成了巨大的广告利润流失。”MIT的教授Mohammad Alizadeh这样说道,“视频播放网站需要持续寻找新方法,以提高用户体验。


观察到这一需求后,Alizadeh和他在MIT计算机科学与人工智能实验室实验室的团队研发了一款名为Pensieve的AI系统,这一系统使用了机器学习的方法,能够根据网络状况选取不同的视频播放算法。这样一来,视频变模、卡壳的情况就会大大减少了。


具体来说,Pensieve在测试中相比其他方法可以将视频重新加载的发生率降低10%到30%,由此带来了10%到25%的用户体验打分提升。


“我们的系统十分灵活,甚至可以对每一个用户作出个性化调整”,该团队中的一名PhD学生Hongzi Mao这样告诉我们。


研发团队将在下周举行的SIGCOMM大会上展示这一成果,他们也会在将来实现这一项目的开源。


笼统地讲,适应性视频播放算法分为两种。一种是基于网速的,这种算法会根据网速快慢处理视频播放质量,另一种是基于缓存的,这种算法会确保用户总有一定量的视频缓存可以播放。


这两种算法都有同样的问题:无法同时利用网速和缓存的信息。这导致了这两种算法常常需要专家作出人工干预。


此前,卡耐基梅隆大学的一支团队尝试了将这两种方法结合起来,研发出一个名为“模型预测控制”的算法。这是该领域的一个重大突破,但这一算法也仍然面临着“难以对网速建模”的问题。


“对网络动态建模是有难度的,卡耐基梅隆大学研发的算法依旧无法突破自身模型的局限。”Alizadeh这样评价道。 


Pensieve不需要一个模型,也不需要对网速作出假设。它使用了神经网络的方法,并在大量缓存和网络状况下进行了测试。


该系统使用了一个奖惩制度。比方说,如果这一系统成功播放了一段流畅清晰的视频,它就会得到相应的奖励,而如果视频在播放途中需要被停下来缓存,它就会得到一定的惩罚。


“Pensieve能够学会不同策略能够带来的不同后果。并且,通过观察过去的表现,他能够更严格地提升决策策略。”Mao这样说道。


一些视频播放网站会可以根据自身需求个性化Pensieve的奖惩系统。举例说,研究表明视频观看者更能接受视频在播放开始阶段停止缓存,我们就可以对Pensieve作出相应的调整,对播放一段时间后出现的停止缓存问题给出更高的“罚单”。


有意思的是,即便当前的情况是此前训练中从未遇到过的,Pensieve也能作出合理的决策。


Alizadeh也指出,Pensieve目前只在长度为几个月的视频上进行了训练,如果该团队能够用更大的数据库训练Pensieve,优化效果一定会更加显著。


该团队的下一步计划是将Pensieve应用到虚拟现实(VR)视频的播放中。


“播放VR视频往往需要几百MB/秒的网速,这是目前网络系统所无法支持的。”Alizadeh说道,“我们很想看看Pensieve能够如何解决这一问题。当然,我们能做的可能还远不止这些。”


原文链接:http://news.mit.edu/2017/high-quality-online-video-with-less-rebuffering-pensieve-0814


今天文章作者除了AI玩儿得好

还是一枚乐队主唱

想进一步勾搭文摘的同学,

下周五@五道口 宇宙最IN Livehouse

等你来!!!


↓↓↓扫码一起玩↓↓↓



↑↑↑扫码一起玩↑↑↑

添加文摘菌微信(superbigdata)了解更多


关于转载

如需转载,请在开篇显著位置注明作者和出处(转自:大数据文摘 | bigdatadigest),并在文章结尾放置大数据文摘醒目二维码。无原创标识文章请按照转载要求编辑,可直接转载,转载后请将转载链接发送给我们;有原创标识文章,请发送【文章名称-待授权公众号名称及ID】给我们申请白名单授权。未经许可的转载以及改编者,我们将依法追究其法律责任。联系邮箱:zz@bigdatadigest.cn。

志愿者介绍

回复志愿者”加入我们

往期精彩文章

点击图片阅读

票圈被吴恩达新开的深度学习课程刷屏?到底如何,我们帮你做了个测评


首页 - 大数据文摘 的更多文章: