Tecniche di streaming video adattivo

L’HTTP Adaptive Streaming è il paradigma predominante per la distribuzione di video su Internet. In questo modello, il client seleziona la rappresentazione successiva secondo un algoritmo di Adaptive Bitrate. Nel caso dei dispositivi mobili, questa decisione non influisce solo sulla Quality of Experience, ma anche sul consumo energetico e sul traffico dati. Lo scopo di questo lavoro è analizzare la progettazione degli algoritmi ABR che ottimizzano sia QoE che consumo energetico.La prima parte fornisce i fondamenti sul HTTP Adaptive Streaming, poi introduce lo stato dell’arte degli algoritmi ABR e il ruolo di QoE e consumo energetico su dispositivi mobili. Vengono analizzati tre casi studio: WISH, E-WISH e GreenABR. Il confronto viene sviluppato sulla divergenza in obiettivi, struttura decisionale e complessità. L’analisi mostra che WISH prende la decisione tramite una funzione di costo definita da throughput, buffer e qualità. E-WISH mantiene la stessa struttura e introduce un termine energetico esplicito. GreenABR affronta lo stesso problema tramite Deep Reinforcement Learning, usando una politica appresa attraverso stato, azioni e reward. Si osserva un passaggio da una funzione di costo esplicita, a una sua estensione energy-aware, fino a una formulazione basata sull'apprendimento. Il confronto mette in evidenza l’importanza della scelta del modello energetico e del criterio con cui viene valutata la qualità, oltre all’influenza che la complessità del metodo può avere sul consumo energetico del dispositivo.