QoE estimation model to Optimize User Perceived Video Quality : Mobile Services Application
Mise en oeuvre d’un modèle adaptatif pour l’estimation de la qualité réelle perçue par l’usager (QoE) : application aux services mobiles
Résumé
The general context of the thesis is the development of adaptive mechanisms that uses information from a given environment and context (Quality of Experience: QoE) and adapting it in order to initiate a specific corrective actions following the occurrence of undesirable events such as an unsatisfactory Quality of Service (QoS), negative feedback or malfunctions of network elements. To do this, the main objective of this thesis is to develop a new network management by moving from a "network centred" view, where only parameters from the network itself were used, to a "user centred" view. This view consists in considering all the factors that can impact the end-user's experience. The work developed as part of this thesis focused on studying these factors on all components of the processing and transport chain (user, peripheral, application, network elements) and measuring their impact in estimating user QoE. The use case considered concerns approaches to the dissemination of adaptive bit rate streaming (ABR). The thesis work led to the proposal of a new solution for the adaptive bit rate streaming operating in a closed loop and sensitive to QoE. Such a solution allows to optimize in real time the quality of the video according to the instantaneous measurement of the estimated QoE.
Le contexte général de la thèse se situe dans le développement de mécanismes adaptatifs capables de récupérer des éléments d’information issus d’un environnement et d’un contexte donnés (Qualité de l’Expérience : QoE) et de s’y adapter afin d’enclencher des actions spécifiques correctrices suite à l’arrivée d’événements imprévisibles ou non souhaités comme une QoS insatisfaisante, un retour d’expérience négatif ou encore des dysfonctionnements des éléments du réseau. Pour ce faire, l’idée maîtresse défendue ici consiste à faire évoluer la gestion du réseau en migrant d’une vue "centrée réseau" où l’on se contentait uniquement des paramètres issus du réseau lui-même, vers une vue "centrée utilisateur". Cette vue consiste à considérer l’ensemble des facteurs, endogènes ou exogènes, pouvant impacter le retour d’expérience de l’utilisateur final. Les travaux développés dans le cadre de cette thèse se sont focalisés sur l’étude de ces facteurs sur l’ensemble des composants de la chaîne de traitement et de transport (utilisateur, périphérique, application, éléments du réseau) et mesurer leur impact dans l’estimation de la QoE usager. Le cas d’usage considéré concerne les approches de diffusion de vidéos en ligne. Les travaux de thèse ont conduit à la proposition d’une nouvelle solution de diffusion de vidéos à débit variable fonctionnant en boucle fermée et sensible à la QoE. Une telle solution permet d’optimiser en temps réel la qualité de la vidéo en fonction de la mesure instantanée de la QoE estimée.
Domaines
Intelligence artificielle [cs.AI]| Origine | Version validée par le jury (STAR) |
|---|