ABSTRAK
Dalam makalah ini, kami mengusulkan model yang digerakkan oleh pembelajaran mesin untuk mengoptimalkan transmisi video panorama untuk beberapa pengguna dalam lingkungan realitas virtual. Model tersebut memprediksi bidang pandang (FOV) pengguna di masa mendatang menggunakan data orientasi kepala historis dan informasi saliency video, yang memungkinkan pengiriman video yang ditargetkan berdasarkan perspektif individu. Dengan mengelompokkan video panorama ke dalam petak-petak dan menerapkan skema pengkodean piramida, kami secara adaptif mengirimkan konten berkualitas tinggi dalam FOV pengguna sambil memanfaatkan transmisi berkualitas rendah untuk wilayah periferal. Pendekatan ini secara efektif mengurangi konsumsi bandwidth sambil mempertahankan pengalaman menonton berkualitas tinggi. Hasil eksperimen kami menunjukkan bahwa menggabungkan data sudut pandang pengguna dengan fitur saliency video secara signifikan meningkatkan akurasi prediksi FOV jangka panjang, yang mengarah ke model transmisi yang lebih efisien dan berpusat pada pengguna. Metode yang diusulkan memiliki potensi besar untuk meningkatkan pengalaman imersif streaming video panorama dalam VR, khususnya di lingkungan dengan bandwidth terbatas.
Transmisi Video Panorama Multi-Pengguna yang Dioptimalkan dalam VR: Pendekatan Berbasis Pembelajaran Mesin
