Ottimizzazione e validazione di architetture di streaming a latenza controllata: analisi dell’estrapolazione frame tramite SDCNet e flussi ottici in scenari di guida

La trasmissione video a bassa latenza rappresenta una delle sfide tecnologiche più rilevanti nei sistemi di comunicazione moderni, con applicazioni critiche che spaziano dalla telemedicina in tempo reale alla guida teleoperata di veicoli. I tradizionali approcci basati sugli algoritmi di bitrate adattivo (ABR), pur efficaci per lo streaming on-demand, si scontrano con limiti intrinseci non superabili quando i requisiti di latenza Glass-to-Glass (G2G) impongono vincoli molto rigidi e vicini allo zero. Il lavoro effettuato analizza e valuta l’architettura Extrapolation-based Latency Control (ELC), un sistema innovativo che supera il limite di latenza incomprimibile combinando due meccanismi complementari: un controllo adattivo del bitrate lato trasmettitore (Encoder Rate Adaption Module, ERAM) e un sistema di estrapolazione dei frame lato ricevitore, basato sulla rete neurale SDCNet (Spatially-Displaced Convolution Network). L’idea centrale è che il ricevitore non debba attendere il frame corrente per visualizzare un contenuto: qualora il frame non giunga entro la scadenza imposta, il Latency Control Module (LCM) genera una stima sintetica estrapolando il movimento dai frame precedentemente ricevuti. L’analisi condotta si concentra sull’ottimizzazione del sottosistema di predizione. In primo luogo, vengono confrontate due metodologie per il calcolo dei flussi ottici forniti in ingresso a SDCNet. Viene poi eseguita una validazione algoritmica del sistema articolata in due livelli. La correttezza implementativa è verificata attraverso quattro test oggettivi (correttezza dimensionale, correttezza numerica, riproducibilità e comportamento in caso di motion zero) che attestano l’integrità operativa di base del modello. L’analisi di robustezza quantifica la degradazione delle prestazioni al variare di rumore gaussiano, sfocatura, compressione JPEG e variazioni di illuminazione. Infine, tre simulazioni end-to-end su sequenze del dataset KITTI validano il comportamento complessivo del sistema in scenari di complessità crescente.