麻省理工学院和人工智能实验室(CSAIL)最新发布了一项被称为“Pensieve”的神经网络算法,可以解决流媒体卡顿与模糊的问题。
该方法改进了现有技术,包括YouTube正在使用的自适应比特率(ABR)方法(通过抑制质量以保持视频播放)。而通过AI手段可以根据设备正在经历什么样的网络条件来选择不同的算法,以此来规避掉采用传统方式来带的缺点。
在实验过程中,CSAIL研究团队背后的这种方法发现,视频流量减少了10%到30%之间,而且质量提高了10到25%。
CSAIL的Pensieve方法与传统方法的区别主要在于使用神经网络,而不是坚持使用严格基于算法的方法。神经网络学习如何通过奖励系统进行优化,激励更流畅的视频播放,而不是设置关于在缓冲视频时使用某一特定的算法技术。
下一步,研究团队的目标在VR市场,研究人员 Alizadeh 表示,“4K 质量的 VR 视频对带宽的要求是今天的网络无法支持的,而我们希望Pensieve能够协助 VR 技术的落地。”