Tez No	İndirme	Tez Künye	Durumu
716223		Quality of experience - driven dynamic adaptive streaming over http / Deneyim kalitesi odaklı http üzerinden dinamik uyarlamalı akış Yazar:İHSAN MERT ÖZÇELİK Danışman: PROF. DR. CEM ERSOY Yer Bilgisi: Boğaziçi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2021 129 s.
HTTP üzerinden dinamik uyarlamalı akış (HDUA), son on yılda multimedya içerik dağıtım mekanizmalarının temel direği haline geldi. Değişen ağ koşulları göz önüne alındığında, üst düzey içerik platformları yüksek deneyim kalitesi ve kesintisiz oynatma oturumları sağlamakta zorlanıyor. Video servis sağlayıcılar bu zorlukların üstesinden gelmek için, aynı içeriğin birden çok kalite düzeyini parçalı şekilde oluştururlar. Bu yöntem, video kalitesini değişen ağ koşullarına uyarlamaya olanak sağlar. Literatürde, umut verici sonuçları olan uyarlamalı video bit hızı algoritmaları yer almaktadır. Fakat, bu çözümlerin çoğu, paylaşılan darboğaz bağlantısında birden çok HDUA istemcisinin varlığını hesaba katmazken, aynı ağda birden çok HDUA oynatıcısını ele alan mevcut çalışmalar ise, parça süresinin çeşitliliğini, arka plan trafiğini ve kullanıcıların gizliliğini dikkate almamaktadır. Bu boşluklar, gerçek hayatta uygulanabilirlik endişeleri ile birlikte birden fazla istemci arasında QoE dengesi ve sürekliliği sorunlarına neden olur. İlk olarak, bu sorunları çözmek için, bir Yazılım Tanımlı Ağ (YTA) entegrasyonuna sahip, merkezi modül destekli bir mekanizma öneriyoruz. İkinci olarak, HTTP üzerinden deneyim kalitesi odaklı canlı etkinlik yayını için YTA destekli mekanizmamızdan yararlanıyoruz. Üçüncüsü, eski sistemlere herhangi bir ekstra bileşen gerektirmeden yeni bir bant genişliği ölçüm yöntemiyle, gerçek etkinlik anı ile o anın kullanıcıların ekranlarında gösterilmesi arasındaki gecikmeyi 1 saniyeye kadar azaltan bir HDUA istemcisi geliştiriyoruz. Son bir katkı olarak, canlı etkinlik yayınlarındaki deneyim kalitesini artırmak için oynatma hızını ve video kalitesini uyarlayan derin pekiştirmeli öğrenme ortamı sunuyoruz.
Dynamic Adaptive Streaming over HTTP (DASH) became the pillar of multimedia content delivery mechanisms in the last decade. Given fluctuating network conditions, over-the-top content platforms struggle with delivering a high quality of experience (QoE) and uninterrupted playback sessions. To overcome this difficulty, they keep multiple quality levels of the same content in a fragmented way. This mechanism enables players to adapt the video quality to varying network conditions by changing the video bitrate at the fragment boundaries. To maximize the QoE, adaptive bitrate algorithms have been widely studied in the literature with promising results. However, the majority of the state-of-the-art solutions do not take into account the presence of multiple DASH clients on the shared bottleneck link, whereas the existing studies considering multiple DASH players in the same network do not consider the diversity of fragment durations among different video titles, background traffic and users' privacy. Those gaps cause QoE fairness and stability problems along with feasibility concerns. First, to address these problems, we propose a centralized module-assisted adaptation mechanism with a lightweight Software-Defined Networking (SDN) integration for on-demand video streaming. Second, we leverage our proposed SDN-assisted mechanism to deliver QoE-driven low-latency live event streaming over HTTP. Third, we implement a live streaming DASH client with a novel bandwidth measurement heuristic without requiring any extra component to the legacy systems. It reduces the live delay between the actual event to users' screens down to 1s. As a final contribution, we present a deep reinforcement learning framework to adapt the playback speed and video bitrate to maximize QoE in live streaming.