Abstract :
[en] In video stream transmission, one often proposes to solve the problem of the heterogeneity of the receivers by dividing the stream into several cumulative layers distributed over multicast transmission. A dynamic adaptation by the source of the number and size of layer bit-rates to the set of its receivers allows a better usage of the network resources. Efficient algorithms have been designed to do this adaptation. However, the encoding of a video stream in layers incurs an overhead relatively to the single-layer encoding of the same stream. A too naive modeling of this overhead causes a suboptimal allocation of bit-rate.
We propose an improvement of the layer bit-rate adaptation algorithm by dynamic programming to take a finer overhead model and other encoder constraints into account. To this end, we introduce a more general overhead model. As our algorithm is of high complexity, we also present a heuristic allowing to find quickly a solution which is near the optimum and we test this heuristic by simulations based on our model.
[fr] Dans la transmission des flux vidéo, on propose souvent de résoudre le problème de l’hétérogénéité des récepteurs par la division des flux en couches cumulatives distribuées par transmission multipoint. Une adaptation dynamique par la source du nombre et du débit des couches à la population de ses récepteurs permet une meilleure utilisation du réseau. Des algorithmes efficaces ont été proposés pour réaliser cette adaptation. Néanmoins, l’encodage en couches d’un flux vidéo génère un surplus de débit par rapport à l’encodage du flux en une seule couche. Une modélisation trop naïve de ce surcoût entraîne une allocation de débit sous-optimale.
Nous proposons une amélioration de l’algorithme d’adaptation du débit des couches par programmation dynamique pour lui permettre de tenir compte plus finement du surcoût et des contraintes de l’encodeur. À cette fin, nous introduisons un modèle de surcoût plus général. Comme notre algorithme est de complexité élevée, nous présentons également une heuristique permettant de trouver rapidement une solution proche de l’optimum et nous testons cette heuristique par simulations sur base de notre modèle.
Scopus citations®
without self-citations
0
