用户网络模型与QoE

”

8月5日-6日，LiveVideoStackCon 2022 音视频技术大会上海站，和你一同开启通向未来的大门。

用户网络模型与QoE

在音视频应用里，获得了大量的用户上报数据，包括但不限于音视频质量数据、用户行为数据等，这些数据可以为我们提供什么样的结论？能否利用这些数据建立模型以便快速实验？能否利用这个模型快速迭代策略以改进在线音视频质量？

讲师与议题

面对覆盖全球的大型分布式传输系统，面对复杂的直播、通话场景，阿里云基于灵活的调优手段、高效的AB test 基础能力以及贴近业务场景的观察分析方法，总结出一套让系统持续迭代的调优技术方法，本次分享将详细介绍全球实时传输网络GRTN QoS优化实践。

音视频质量推断通过全链路指标采集、网络仿真、质量数据分析三个部分的能力来实现，能从各个维度、各个阶段以及各个场景来衡量音视频通信的质量、比较各个版本的质量变化趋势、对音视频的质量改进提供解决策略等。通过分析结果我们能帮助开发者及时发现问题、定位原因、并高效解决问题，以提升客户的运营效率和用户的体验，也能指导运营部署，指导路由策略以及采集、播放、编解码、传输等策略调整。

本次分享将分为三个部分，第一部分介绍欢聚集团全链路指标采集以及如何保证指标数据的准确性；第二部分介绍自动化仿真工具，如何提高测试效率、版本质量对比、辅助算法优化改进等；第三部分介绍质量数据分析，如何实现单指标和多指标的分析以及对比分析。

面向人眼感知的质量评价在许多视频图像处理算法和系统中发挥十分重要的作用。近年来学术界已经提出了许多质量评价方法，在已有数据集上取得了很高的性能，但是他们在实际应用中的表现仍然无法让用户满意，以至于无法得到广泛应用。

本次报告我们将回顾传统视觉质量评价的研究范式，着重指出在视觉质量评价领域中被长期忽视一个问题：在现有数据集上，粗粒度质量评价的统计结果掩蔽了细粒度质量差异的评价。相应地，我们将从细粒度质量评价的角度，对目前少量的细粒度质量评价研究进行概要介绍，并展望未来细粒度质量评价面临的机遇和挑战。

 

---

扫描图中二维码或点击阅读原文

了解大会更多信息

喜欢我们的内容就点个“在看”吧！

本文分享自微信公众号 - LiveVideoStack（livevideostack）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。