영상 품질 및 전송효율 최적화를 위한 심층신경망 기반 영상전송기법 (Video Transmission Technique based on Deep Neural Networks for Optimizing Image Quality and Transmission Efficiency)

서지정보

· 발행기관 : 한국방송∙미디어공학회
· 수록지 정보 : 방송공학회 논문지 / 25권 / 4호 / 609 ~ 619페이지
· 저자명 : 이종만, 김기훈, 박현, 최증원, 김경우, 배성호

초록

고품질 비디오 스트리밍 요구에 따라 제한된 대역폭에서 높은 전송률이 필요하고, 트래픽 혼재 상황이 더 발생한다. 특히 실시간 영상 서비스를 제공 시 패킷 손실 및 비트 오류 확률이 더 크게 증가한다. 이러한 문제를 해결하기 위해 실시간 서비스 품질향상을 위한 방법으로 FEC 기술의 한 종류인 랩터 코드가 어플리케이션 영역에서 활발히 사용되고 있다. 본 논문에서는 랩터 코드를 활용하여 유사한 수준의 화질에서 전송 효율을 높이기 위한 다양한 심층 신경망(Deep Neural Network, DNN) 기반 영상전송 파라미터를 결정하는 방법을 제안한다. 제안된 신경망은 패킷 손실율(Packet Loss Rate), 비디오 인코딩 속도 및 전송속도를 입력으로 사용하고 랩터 FEC 파라미터와 패킷 크기를 출력으로 한다. 제안한 방법은 기존 멀티미디어 전송 기법과 유사한 수준의 PSNR(Peak Signal-to-Noise Ratio)에서 전송 효율을 최적화하여 평균 1.2% 높은 스루풋(throughput)을 보였다.

영어초록

In accordance with a demand for high quality video streaming, it needs high data rate in limited bandwidth and more traffic congestion occurs. In particular, when providing real time video service, packet loss rate and bit error probability increase significantly. To solve these problems, a raptor code, which is one of FEC(Forward Error Correction) techniques, is pervasively used in the application layers as a method for improving real-time service quality. In this paper, we propose a method of determining image transmission parameters based on various deep neural networks to increase transmission efficiency at a similar level of image quality by using raptor codes. The proposed neural network uses the packet loss rate, video encoding rate and data rate as inputs, and outputs raptor FEC parameters and packet sizes. The results of the proposed method present that the throughput is 1.2% higher than that of the existing multimedia transmission technique by optimizing the transmission efficiency at a PSNR(Peak Signal-to-Noise Ratio) level similar to that of the existing technique.

참고자료

· 없음