Cientistas da computação criam um 'laboratório' para melhorar o streaming de vídeo

Nestes dias de distanciamento social, enquanto milhões de pessoas se reúnem em casa para assistir televisão pela Internet, os pesquisadores de Stanford revelaram um algoritmo que demonstra uma melhoria significativa na tecnologia de streaming de vídeo.

Esse novo algoritmo, chamado Fugu, foi desenvolvido com a ajuda de espectadores voluntários que assistiram a um fluxo de vídeo, atendidos por cientistas da computação que usaram o aprendizado de máquina para examinar esse fluxo de dados em tempo real, procurando maneiras de reduzir falhas e barracas.

Em um artigo científico, os pesquisadores descrevem como eles criaram um algoritmo que extrai apenas a quantidade de dados que a conexão à Internet do espectador pode receber sem degradar a qualidade.

"No streaming, evitar barracas depende muito desses algoritmos", diz Francis Yan, doutorando em ciência da computação e primeiro autor do artigo, que recebeu o prêmio USENIX NSDI Community 2020.

Muitos dos sistemas predominantes para streaming de vídeo são baseados em algo chamado algoritmo baseado em buffer, conhecido como BBA, desenvolvido há sete anos pelo então estudante de Stanford Te-Yuan Huang, juntamente com os professores Nick McKeown e Ramesh Johari.

O BBA simplesmente pergunta ao dispositivo do espectador quanto de vídeo ele tem em seu buffer. Por exemplo, se tiver menos de 5 segundos armazenados, o algoritmo envia imagens de qualidade inferior para evitar interrupções. Se o buffer tiver mais de 15 segundos armazenados, o algoritmo envia o vídeo da mais alta qualidade possível. Se o número estiver no meio, o algoritmo ajustará a qualidade de acordo.

Embora o BBA e algoritmos similares sejam difundidos no setor, houve repetidas tentativas de pesquisadores ao longo dos anos de desenvolver algoritmos mais sofisticados usando o aprendizado de máquina - uma forma de inteligência artificial na qual os computadores aprendem a otimizar algum processo.

Mas, em uma variação moderna do antigo ditado computador-lixo-lixo-lixo, esses algoritmos de aprendizado de máquina geralmente exigem dados simulados para aprender, em vez de o que é realmente fornecido pela Internet real. Aí reside um problema.

"A internet acaba sendo um lugar muito mais confuso do que nossas simulações podem modelar", disse Keith Winstein, professor assistente de ciência da computação que supervisionou o projeto e aconselhou Yan, juntamente com o professor associado de ciência da computação e engenharia elétrica Philip Levis. "O que Francis descobriu é que pode haver um abismo entre fazer um desses algoritmos funcionar em simulação e fazê-lo funcionar na Internet real."

Para criar um microcosmo realista do mundo da visualização de TV, a equipe de Winstein ergueu uma antena no topo do Packard Building, em Stanford, para captar sinais de transmissão pelo ar gratuitos que eles comprimiram e transmitiram a voluntários que se inscreveram para participar do projeto de pesquisa. , conhecido como Puffer. A partir do final de 2018, os voluntários transmitiram e assistiram a programas de TV via Puffer e os cientistas da computação monitoraram o fluxo de dados simultaneamente usando seu próprio algoritmo de aprendizado de máquina, Fugu, e outros quatro principais concorrentes, incluindo o BBA, treinados para ajustar seu desempenho com base em as condições reais de qualidade que os espectadores estavam enfrentando.

No início do fluxo, cada visualizador recebeu aleatoriamente um dos cinco algoritmos de streaming e a equipe de Stanford registrou dados de streaming, como a qualidade média do vídeo, o número de paradas e o tempo em que o espectador sintonizou.

Os resultados discordaram de alguns estudos anteriores, baseados em simulações ou em testes menores. Quando os algoritmos de aprendizado de máquina supostamente sofisticados foram testados contra o BBA no mundo real, o padrão mais simples se manteve. No final do julgamento, no entanto, o Fugu superou os outros algoritmos - incluindo o BBA - em termos de menor tempo de interrupção, maior resolução de imagem e consistência da qualidade do vídeo. Além disso, essas melhorias parecem ter o poder de manter os espectadores sintonizados. Os espectadores que assistem a transmissões de vídeos alimentados por Fugu permaneceram uma média de 5 a 9% a mais do que outros algoritmos testados.

"Encontramos algumas maneiras surpreendentes em que o mundo real difere da simulação e como o aprendizado de máquina às vezes pode produzir resultados enganosos. Isso é empolgante, pois sugere muitos desafios interessantes a serem resolvidos", diz Winstein.

Deixe um recado 

Nome *

E-mail *

Telefone

Endereço

Code

Mensagem

 

Lista de mensagens