融合听觉、视觉和触觉交互的多模态应用有望为用户提供高度沉浸式的体验和丰富的交互功能,即将成为下一代物联网(Internet of Things,IoT)的关键服务。然而,IoT中网络资源的碎片化和分布式特性给触觉通信的高时效性和可靠性提出了巨大...融合听觉、视觉和触觉交互的多模态应用有望为用户提供高度沉浸式的体验和丰富的交互功能,即将成为下一代物联网(Internet of Things,IoT)的关键服务。然而,IoT中网络资源的碎片化和分布式特性给触觉通信的高时效性和可靠性提出了巨大挑战。针对这一问题,提出了一种触觉编码和网络资源分配的联合方案。首先,设计了一种灵活可伸缩的触觉编码方法,结合人类触觉感知机制,能够自适应IoT复杂多变网络环境下的传输需求;其次,构建了一种基于用户体验质量(Quality of Experience,QoE)的网络资源按需分配机制,在提升用户体验的同时优化网络资源的利用效率。仿真结果表明,该方案在提升触觉通信服务的QoE和网络资源效能方面效果显著。该研究成果为未来IoT场景下的高效多模态应用提供了技术支撑,具有重要的实践价值和理论意义。展开更多
弹幕视频是一种近年来发展迅速的新兴媒体传播形式,备受大众喜爱,但根据调查显示,部分用户认为弹幕严重影响了视频观看。为改善弹幕视频服务,用户体验质量(Quality of Experience,QoE)的评估迫在眉睫。然而,现有用户体验质量评价方法存...弹幕视频是一种近年来发展迅速的新兴媒体传播形式,备受大众喜爱,但根据调查显示,部分用户认为弹幕严重影响了视频观看。为改善弹幕视频服务,用户体验质量(Quality of Experience,QoE)的评估迫在眉睫。然而,现有用户体验质量评价方法存在主观因素导致的虚假反馈、反馈不够及时、数据度量关系难以衡量等局限性。在这种情况下,脑电图(electroencephalogram,EEG)因具有无法伪装、高时间分辨率、数据更具统计学意义等优势,已经初步应用于视听刺激的主观评估。结合以上优势,本文提出将EEG突破性地应用于弹幕视频的QoE评估。本研究基于相锁值构建了功能连接特征脑网络,提取了高/低两种QoE水平下的成对差异网络,并基于该网络通过机器学习方法构建评估模型。该评估模型平均分类准确率达到80%,揭示了对于不同类型视频用户产生不同QoE时大脑区域协作的变化模式,并提出与QoE高度相关的额叶为主要会聚区域。以上研究结果表明,该评估模型能真实记录用户观看视频时的生理和心理活动,研究结果为改善弹幕视频服务提供了神经生理学依据。展开更多
在研究智能电视用户体验质量(Quality of Experience,QoE)量化的基础上,提出一种具有用户体验保障的资源分配模型,并针对该模型提出两种资源分配算法:RA_BAT算法和RA_GHEU算法.实验结果表明,基于回溯法的RA_BAT能够求得问题的最优解,可...在研究智能电视用户体验质量(Quality of Experience,QoE)量化的基础上,提出一种具有用户体验保障的资源分配模型,并针对该模型提出两种资源分配算法:RA_BAT算法和RA_GHEU算法.实验结果表明,基于回溯法的RA_BAT能够求得问题的最优解,可作为算法比较的参照系,而启发式算法RA_GHEU可在极短的运行时间内求出接近于最优的解,适合用于智能电视资源分配的实时处理.展开更多
文摘融合听觉、视觉和触觉交互的多模态应用有望为用户提供高度沉浸式的体验和丰富的交互功能,即将成为下一代物联网(Internet of Things,IoT)的关键服务。然而,IoT中网络资源的碎片化和分布式特性给触觉通信的高时效性和可靠性提出了巨大挑战。针对这一问题,提出了一种触觉编码和网络资源分配的联合方案。首先,设计了一种灵活可伸缩的触觉编码方法,结合人类触觉感知机制,能够自适应IoT复杂多变网络环境下的传输需求;其次,构建了一种基于用户体验质量(Quality of Experience,QoE)的网络资源按需分配机制,在提升用户体验的同时优化网络资源的利用效率。仿真结果表明,该方案在提升触觉通信服务的QoE和网络资源效能方面效果显著。该研究成果为未来IoT场景下的高效多模态应用提供了技术支撑,具有重要的实践价值和理论意义。
文摘弹幕视频是一种近年来发展迅速的新兴媒体传播形式,备受大众喜爱,但根据调查显示,部分用户认为弹幕严重影响了视频观看。为改善弹幕视频服务,用户体验质量(Quality of Experience,QoE)的评估迫在眉睫。然而,现有用户体验质量评价方法存在主观因素导致的虚假反馈、反馈不够及时、数据度量关系难以衡量等局限性。在这种情况下,脑电图(electroencephalogram,EEG)因具有无法伪装、高时间分辨率、数据更具统计学意义等优势,已经初步应用于视听刺激的主观评估。结合以上优势,本文提出将EEG突破性地应用于弹幕视频的QoE评估。本研究基于相锁值构建了功能连接特征脑网络,提取了高/低两种QoE水平下的成对差异网络,并基于该网络通过机器学习方法构建评估模型。该评估模型平均分类准确率达到80%,揭示了对于不同类型视频用户产生不同QoE时大脑区域协作的变化模式,并提出与QoE高度相关的额叶为主要会聚区域。以上研究结果表明,该评估模型能真实记录用户观看视频时的生理和心理活动,研究结果为改善弹幕视频服务提供了神经生理学依据。
文摘在研究智能电视用户体验质量(Quality of Experience,QoE)量化的基础上,提出一种具有用户体验保障的资源分配模型,并针对该模型提出两种资源分配算法:RA_BAT算法和RA_GHEU算法.实验结果表明,基于回溯法的RA_BAT能够求得问题的最优解,可作为算法比较的参照系,而启发式算法RA_GHEU可在极短的运行时间内求出接近于最优的解,适合用于智能电视资源分配的实时处理.
