新泽西理工学院研究人员表示神经网络可以在下载大小和质量之间进行调节
应用程序数据要求与可用网络带宽一直是信息时代持续不断的战斗，但根据 NJIT 副教授 Jacob Chakareski 的最新研究，现在看来休战已经触手可及。
Chakareski 和他的团队与马萨诸塞大学阿默斯特分校的同行合作，设计了一个系统，使网络请求在较小的情况下出错，并通过在接收硬件上运行的神经网络放大差异。
他们将其称为 BONES—— 基于缓冲区占用的神经增强流 ——将于今年夏天在意大利举行的 ACM Sigmetrics 会议上展示，该会议只有约 10% 的提交论文被接受。
他们表示：“由于网络带宽不足且不稳定，访问高质量视频内容可能具有挑战性……神经增强在通过深度学习提高降级视频质量方面已显示出有希望的结果。”采用称为李亚普诺夫优化的数学函数，“我们的综合实验结果表明，与最先进的算法相比，BONES 将体验质量提高了 4% 至 13%，展示了其增强视频流体验的潜力。用户”。
“人们以前就考虑过这个问题。但这是第一个对其进行数学表征并确保其符合延迟限制的工作。人们已经谈论了超分辨率数据的想法，”Chakareski 阐述道。 “客户端一起执行速率调度和计算调度决策。这是该方法的关键。这是以前没有做过的。”
“我们已经构建了一个原型，因此论文中显示的结果是基于原型的。而且它运行得非常好。结果与我们通过模拟观察到的结果一样好，”他说。该团队还公开共享其代码和数据。
概念验证应用程序正在进行中。 BONES 团队正在与诺伊大学香槟分校合作开展一个名为 MiVirtualSeat：用于沉浸式会议环境的语义感知内容分发的混合现实项目，该项目面临着 BONES 所解决的网络挑战。
查卡雷斯基表示，他希望流行的视频会议服务也能采用这种方法。 “我认为这将会得到推动，因为神经计算正在成为某种东西。您在不同领域听说过很多有关机器学习的内容，这可能是又一个可以使用它的应用程序。我们还没有考虑过将这项技术商业化，但这肯定是人们可以追求的东西，我们也可能会追求。”
“内容质量和网络功能之间存在着持续的竞争。只要他们并肩前进，这将永远是一个问题。”
版权声明：本文由用户上传，如有侵权请联系删除！