Avaliação de qualidade de vídeo utilizando aprendizado de máquina em cenários de redes

• Processo: 19/10551-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de junho de 2019
• Data de Término da vigência: 31 de dezembro de 2020
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Miguel Arjona Ramírez
• Beneficiário: Dante Coaquira Begazo
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 18/26455-8 - Processamento Audiovisual de Voz por Aprendizagem de Máquina, AP.R
• Assunto(s): Processamento de sinais Aprendizado computacional Métrica Redes multimídia Vídeo
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Métricas Objetivas | Qualidade de Vídeo | Redes multimídia | Streaming de Vídeo | Processamento de Sinais

Resumo

Existem diferentes metodologias para avaliar a qualidade de vídeo, as quais se podem dividir, de forma geral, em métricas subjetivas e objetivas. Estes últimos podem ser divididos em métricas baseadas no sinal de vídeo codificado, na distribuição do vídeo em redes de pacotes, e híbridos, sendo que as métricas que utilizam o sinal de vídeo se classificam em três conjuntos: as métricas de Referência Completa (FR – Full Reference); as métricas de Referência Reduzida (RR - Reduced Reference) e as métricas Sem Referência (NR - No Reference). O presente plano de pesquisa focará nas métricas objetivas FR e NR. Para ambas métricas se aplicará técnicas de aprendizado de máquina para analisar o sinal de vídeo e suas principais características, também como para a fusão dos parâmetros de codificação e de rede. Deve-se destacar que as métricas atuais de avaliação de qualidade de vídeo para sistemas em tempo real não tem um bom desempenho. Propõe-se implementar diferentes cenários de rede em simuladores, para poder obter arquivos que considerem diferentes tipos de degradações características dessas redes.