决策树码率自适应算法的无数据蒸馏框架.pdfVIP

决策树码率自适应算法的无数据蒸馏框架.pdf

第47卷第1期计算机学报Vol.47No.1

2024年1月CHINESEJOURNALOFCOMPUTERSJan..2024

决策树码率自适应算法的无数据蒸馏框架

黄天驰李文哲孙立峰

包李朝阳张睿霄

（清华大学计算机科学与技术系北京100084）

摘要码率自适应（AdaptiveBit-Rate，ABR)算法是流媒体视频传输中至关重要的技术.该算法根据当前网络情

况和播放状态等因素，为下一个视频块选择合适的码率，以确保用户获得良好的体验质量（QoE).其中，基于学习

的ABR算法因其不依赖传统模型和从头学习策略的特点，表现出良好的性能，并逐渐取代需要繁琐调优的启发式

ABR算法，成为研究领域的热点.然而，这些算法使用神经网络推理，导致模型参数较多，整体计算量较大，使得在

实际场景中难以部署.因此，以往的研究提出了决策树蒸馏方案，即使用轻量级的决策树来提取基于学习的ABR算

法的专家策略，并在线上部署这些决策树.然而，本文的实验结果表明，过去的蒸馏框架忽略了训练环境对蒸馏后策

略的影响，导致策略的泛化能力较差.因此，本文提出了一种名为NIA

basedrateAdaptationframework)的新型无数据蒸馏框架，用于生成具有更好泛化性能的决策树ABR算法.NIA

通过网络环境生成模块构建多个人工网络环境，并在每次迭代训练前使用环境选择模块来选择适合的网络场景，

然后与该场景进行交互，利用基于学生驱动的模仿学习算法完成决策树的蒸馏过程。本文还设计了完整的评测平

台测试NIA的性能.实验表明，NIA在各种带宽数据集上展现出良好的QoE性能和泛化性能：（1）相较于启发式

算法，在QoE指标上提升了1%～46%；（2）与以往的决策树蒸馏方案相比，在低带宽场景下表现相当，但在高带宽

场景下提升了近1倍；（3）总体性能接近甚至超过基于学习的算法（即专家策略）的表现.

关键词流媒体；码率自适应算法；无数据蒸馏

中图法分类号TP18D0I号10.11897/SP.J.1016.2024.00113

AData-FreeDistillationFrameworkforAdaptiveBitrateAlgorithms

HUANGTian-ChiLIChao-YangZHANGRui-XiaoLIWen-ZheSUNLi-Feng

(DepartmentofComputerScienceandTechnology,TsinghuaUniversity,Beijing100084)

AbstractAdaptiveBit-Rate(ABR)algorithmisakeytechniqueinstreamingvideotransmission.

Thealgorithmselectsanappropriatebit-rateforthenextvideochunkbasedonthecurrentnetwork

conditionsandplaybackstatustoensureahigh-qualityuserexperience(QoE).Amongthem,

learning-basedABRalgorithms,duetotheircharacteristicofbypassingtraditionalmodelingand

learningstrategiesfromscratch,haveachievedbetterperformanceandgraduallyreplacedheuristic