標題：Quality Enhanced Multimedia Content Delivery for Mobile Cloud with Deep Reinforcement Learning
作者：Muhammad Saleem , Yasir Saleem, H. M. Shahzad Asif, and M. Saleem Mian
單位: 巴基斯坦拉合爾54890工程技術大學計算機科學與工程系?
發表期刊：Wireless Communications and Mobile Computing
發表時間：2020年
論文研究主題歸類：ABR
1.論文解決什么問題
提出了一種適用于移動場景ABR算法，該算法使用增強型雙深度Q-Learning方法，通過根據網絡、設備和環境條件切換質量級別來改進多媒體內容交付。所提出方法在體驗質量、再緩沖頻率和質量變化等方面都優于其他方案。并且所提出的算法收斂速度快，在不同環境下效果較穩定。
2.是否有公開的數據集及源代碼
數據集：視頻數據集BigBuckBunny, Ski, Tall-Buildings, and TrafficAndBuilding
網絡數據集為生成式
源代碼：未公開
3.論文的主要觀點
作者認為在設計和實現ABR算法時面臨一下挑戰：網絡帶寬隨時間變化大。導致比特率的選擇變得復雜，因為不同的網絡條件需要不同的輸入參數值。比特率自適應算法需要保持各種QoE目標，如增強多媒體質量、減少再緩沖事件和最小化質量水平變化。分段比特率的選擇顯著影響媒體播放器的狀態。較高的比特率選擇可以消耗緩沖器占用率，并且以較低的比特率下載下一段。現有的基于RL方法對于非平穩環境和大數據維度有一些限制。深度學習方法學習復雜模式的能力也會導致分類問題。
標題：RESA: A REAL-TIME EVALUATION SYSTEM FOR ABR
作者：Yanan Wang, Haili Wang, Jiaoyang Shang, Hu Tuo
單位: 愛奇藝股份有限公司?
發表會議：ICME
發表時間：2019年
論文研究主題歸類：ABR
1.論文解決什么問題
作者提出了一個ABR實時評估系統（RESA），該系統由真實的在線用戶進行評估。通過在視頻觀看期間基于用戶偏好設置其參數，還引入了合理的QoE度量。用真實的視頻流服務評估了RESA上最先進的ABR算法。最后進一步將比特率控制引入到ABRbc中，以解決在線ABR的帶寬成本問題。
2.是否有公開的數據集及源代碼
數據集：愛奇藝在線平臺數據
源代碼：未公開
3.論文的主要觀點
現有的許多ABR算法，雖然取得了一些良好的效果。然而，仍有一些問題需要解決：1.這些ABR算法基于開源數據，僅由一個模擬玩家進行評估；2.QoE度量定義不同，其參數由經驗設置，幾乎沒有解釋；3.這些算法只考慮用戶的QoE，而忽略了視頻帶寬成本。
標題：DEEPMPC: A MIXTURE ABR APPROACH VIA DEEP LEARNING AND MPC
作者：Tianchi Huang, Lifeng Sun
單位: 清華大學計算機科學與技術系
發表會議：ICIP
發表時間：2020年
論文研究主題歸類：ABR
1.論文解決什么問題
提出了一種DeepMPC模型，它通過兩個基于深度學習的模塊來增強MPC，即基于DL的吞吐量預測器（DTP）和Discounted Factor優化器（DFO），前者可以精確預測未來帶寬，后者可以估計預測誤差。
所提出的DeepMPC在所有考慮的網絡條件下都優于現有的ABR方案，平均QoE提高了5.91%-56.1%。
2.是否有公開的數據集及源代碼
數據集、源代碼：https://github.com/mdhoffschmidt/deepmpc
3.論文的主要觀點
作者認為現有的自適應比特率（ABR）算法利用模型預測控制（MPC）方法來確定下一個塊的視頻比特率，而它嚴重依賴吞吐量預測的準確性，因此在復雜多變的網絡環境中不能夠具有較好的性能。
)
)
