摘要
本发明公开了一种超高清流媒体体验质量感知方法,基于超高清流媒体服务的特点和现有QoE感知模型存在的问题提出一种融合视频终端播放设备质量评价、视频画面质量评价和服务网络质量评价的QoE指数,即MUSQM模型。MUSQM模型通过深度学习模型以实现在不同的服务场景中动态感知用户的体验质量。使用三种视频感知质量参数,包括两种主观参数与一种客观参数,通过主客观结合的方式实现全面精准的QoE感知。同时引入了部分用于描述历史服务状态与当前服务状态的动态参数,使其在时序上具有实时性与记忆性。在本方法随着深度学习DL发展,其所具有的端到端学习能力和在处理大规模、高维度的复杂问题上的出色表现使得其拥有应用在QoE感知问题上的可能。
技术关键词
参数
分辨率
屏幕刷新率
媒体
视频终端
BP算法
艾宾浩斯遗忘曲线
效应
感知误差
序列
深度学习模型
记忆
生成视频数据
视频播放设备
门控循环单元
显示器
系统为您推荐了相关专利信息
四维变分同化系统
辐射传输模型
仿真数据
星下点位置
协方差矩阵
有限元建模方法
图纸
斜拉索
RANSAC算法
信息自动提取方法
波束
通道注意力机制
卷积神经网络模型
标签
频率
自由曲面透镜
非机动车车灯
动态电流分配
环境光传感器
发光单元