为了适应剧烈变化的网络波动与长尾问题，提出了基于深度学习的自适应比特率算法模型，该算法以视频码率、码率切换频率、视频暂停时间为优化对象，可以更加适应网络波动随机性。与对比模型相比，所提模型在无线网络的大尺度波动的场景下具有更优越的性能。在最差的网络条件下，对比模型造成视频播放卡顿的概率高达16%,而所提模型的卡顿概率仅为1%,且平均体验质量指标比对比模型高了30%。
科研之友
微信
新浪微博
Facebook
分享链接
