《雲環境下的移動視頻適配技術研究》是依託中國科學院大學，由蘇荔擔任項目負責人的面上項目。
基本介紹
- 中文名：雲環境下的移動視頻適配技術研究
- 項目類別：面上項目
- 項目負責人：蘇荔
- 依託單位：中國科學院大學
項目摘要,結題摘要,
項目摘要
隨著智慧型移動設備普及和雲計算技術發展，移動視頻與雲平台的結合是未來多媒體服務的趨勢。雲環境下移動視頻適配技術是解決雲中海量視頻內容與移動終端和網路有限資源之間矛盾的核心技術，具有理論和套用價值。本項目擬通過引入人的視覺感知和認知特性、挖掘雲中群體數據關聯兩個突破口，實現雲環境下的資源適配和內容適配。研究內容包括：擬融合時空域特徵，關聯多模態信息，進行時空關注建模；構建樹狀結構多層次多任務學習與信息共享機制，利用多源信息克服雲中數據類別不均衡性和信息分布不對等性，構建高效語義分析模型；通過雲端採集群體主觀評測數據並線上學習，構建視覺質量主觀評價參考庫，指導構建與主觀一致的視覺失真客觀度量模型；最後基於上述模型，研究視覺失真-計算複雜度-碼率聯合最佳化的自適應編碼、符合用戶偏好的可伸縮內容適配等關鍵技術。
結題摘要
雲環境下移動視頻適配技術是解決雲中海量視頻內容與移動終端和網路有限資源之間矛盾的核心技術，具有理論價值和套用價值。本項目圍繞海量視頻數據的“視覺感知特性分析及其可計算模型構建”、“與主觀感知一致的視覺失真度量模型”、“視覺失真和用戶體驗最佳化的魯棒網路傳輸和服務”等關鍵問題，按照計畫和目標進行了研究，取得了相應的研究進展和技術突破。並搭建了面向移動視頻套用的驗證測試平台，對所提出的“基於最佳化光流和重心偏向的視頻顯著性預測方法”、“基於雙流卷積神經網路融合的視頻顯著性預測”、“融合語義信息的非自然視頻顯著性預測”、“針對網頁注視點分布的顯著性預測”、“基於生成質量特徵圖的無參考圖像質量評價”、“基於CNN和多回歸的無參考視頻質量評價”、“數據驅動與經驗驅動融合的無參考視頻質量評價”、“基於視覺失真最佳化的視頻編碼動態碼率控制”、“基於視覺關注對象分割的視頻編碼傳輸最佳化”、“動態背景模型和輪廓修正”、“基於軟體定義網路(SDN)的多路徑QoS解決方案”、“基於視覺關注分段MDP值疊代自適應碼率控制”等一系列相關理論模型和技術方法進行了驗證、測試和改進，為實際套用提供了有價值的參考解決實例。
