DIA：云游戏兴趣感知ABR方案提出
热点事件观察中
DIA：云游戏兴趣感知ABR方案提出
1 篇报道1 个报道来源2 天前更新
先了解这件事
事件综述
研究者提出基于深度强化学习的兴趣感知自适应码率方案DIA，用于云游戏在无线网络下的高分辨率、低延迟传输。该方案借助现成语义分割模型实现对象级码率调整，对每帧中感知关键的对象保证质量，对非关键对象动态分配较低分辨率以节省带宽。 DIA依据玩家游戏内移动速度、对象特征和网络状况自适应调整码率，无需眼动追踪等额外硬件。研究者称，在5G场景下，DIA的归一化平均QoE至少比当前最优ABR算法高20%。
根据报道生成 · 1 天前更新
最新进展10月12日 12:00
DIA：面向云游戏的深度强化学习兴趣感知 ABR 方案报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.MMDIA：面向云游戏的深度强化学习兴趣感知 ABR 方案
针对云游戏在无线网络下高分辨率、低延迟传输的难题，研究者提出基于深度强化学习的兴趣感知 ABR 方案 DIA，借助现成语义分割模型实现对象级码率调整，并通过基于 Transformer 的特征提取器和兴趣感知奖励函数识别关键对象。该方案依据玩家游戏内移动速度、对象特征和网络状况自适应调整码率，无需眼动追踪等额外硬件。实验显示，在 5G 场景下 DIA 的归一化平均 QoE 至少比 SOTA ABR 算法高 20%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。