QoE Evaluation of Multimedia Services Based on Audiovisual Quality and User Interest

Song, Jiarun; Yang, Fuzheng; Zhou, Yicong; Wan, Shuai; Wu, Hong Ren

doi:10.1109/tmm.2016.2520090

Cited by 47 publications

(23 citation statements)

References 35 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The method has recently been extended to integrate the encoding resolution and video size automatically [3]. Including user factor besides system factors has been used to improve the accuracy of models predicting QoE for video watching scenarios [6], [50]. To our knowledge there are no models for predicting the QoE in multi-party videoconferencing based on video quality, nor any that consider user factors and interaction for an increased accuracy.…”

Section: Prediction Of Videoconferencing Qoementioning

confidence: 99%

Towards Individual QoE for Multiparty Videoconferencing

Schmitt

Redi

Bulterman

et al. 2018

IEEE Trans. Multimedia

View full text Add to dashboard Cite

Abstract-Video-conferencing is becoming an essential part in everyday life. The visual channel allows for interactions which were not possible over audio-only communication systems such as the telephone. However, being a de-facto over-the-top service, the quality of the delivered video-conferencing experience is subject to variations, dependent on network conditions. Video-conferencing systems adapt to network conditions by changing for example encoding bitrate of the video. For this adaptation not to hamper the benefits related to the presence of a video channel in the communication, it needs to be optimized according to a measure of the Quality of Experience (QoE) as perceived by the user. The latter is highly dependent on the ongoing interaction and individual preferences, which have hardly been investigated so far. In this paper, we focus on the impact video quality has on conversations that revolve around objects that are presented over the video channel. To this end we conducted an empirical study where groups of 4 people collaboratively build a Lego® model over a video-conferencing system. We examine the requirements for such a task by showing when the interaction, measured by visual and auditory cues, changes depending on the encoding bitrate and loss. We then explore the impact that prior experience with the technology and affective state have on QoE of participants. We use these factors to construct predictive models which double the accuracy compared to a model based on the system factors alone. We conclude with a discussion of how these factors could be applied in real world scenarios.Index Terms-Multi-Party video conferencing, Quality of Experience, Over-the-top, subjective quality, quality metrics, user study

show abstract

Section: Prediction Of Videoconferencing Qoementioning

confidence: 99%

Towards Individual QoE for Multiparty Videoconferencing

Schmitt

Redi

Bulterman

et al. 2018

IEEE Trans. Multimedia

View full text Add to dashboard Cite

show abstract

“…[12] selects video content as the IF and propose a clustering algorithm to predict QoE. In [13], a user-centric model is built to select the important external audiovisual factors and users' internal factors. Among data-driven approaches, some machine learning algorithms (e.g., linear regression [14], decision tree [1]) has been applied to predict QoE and to identify the important factors.…”

Section: Related Workmentioning

confidence: 99%

Deepqoe: A Unified Framework for Learning to Predict Video QoE

Zhang

Gao

et al. 2018

2018 IEEE International Conference on Multimedia and Expo (ICME)

View full text Add to dashboard Cite

Motivated by the prowess of deep learning (DL) based techniques in prediction, generalization, and representation learning, we develop a novel framework called DeepQoE to predict video quality of experience (QoE). The end-to-end framework first uses a combination of DL techniques (e.g., word embeddings) to extract generalized features. Next, these features are combined and fed into a neural network for representation learning. Such representations serve as inputs for classification or regression tasks. Evaluating the performance of Deep-QoE with two datasets, we show that for the small dataset, the accuracy of all shallow learning algorithm is improved by using the representation derived from DeepQoE. For the large dataset, our DeepQoE framework achieves significant performance improvement in comparison to the best baseline method (90.94% vs. 82.84%). Moreover, DeepQoE, also released as an open source tool, provides video QoE research much-needed flexibility in fitting different datasets, extracting generalized features, and learning representations.

show abstract

“…Tarptautinė telekomunikacijų sąjungos rekomendacija QoE apibrėžia kaip vartotojo subjektyviai suvoktą bendrą teikiamos paslaugos ar taikomosios programos priimtinumą (ITU-T 2007). Įprastai QoE matuojama klausimynais, kai vartotojas dažniausiai pagal 5 ar 10 balų sistemą įvertina matytą audiovizualinį turinį (Song et al 2016). Į klausimynus įtraukiami klausimai apie garso kokybę, vaizdo kokybę, įsijautimą į turinį, aplinkos suvokimą.…”

Section: įVadasunclassified

“…Įprastai QoE matuojama klausimynais, kai vartotojas dažniausiai pagal 5 ar 10 balų sistemą įvertina matytą audiovizualinį turinį (Song et al 2016). Į klausimynus įtraukiami klausimai apie garso kokybę, vaizdo kokybę, įsijautimą į turinį, aplinkos suvokimą.…”

Section: įVadasunclassified

Investigation of Quality of Experience Using ECG Features during Consumption of Audiovisual Content

Abromavičius

2017

Science - Future of Lithuania

View full text Add to dashboard Cite

2017 © Straipsnio autoriai. Leidėjas VGTU leidykla "Technika". Šis straipsnis yra atvirosios prieigos straipsnis, turintis Kūrybinių bendrijų (Creative Commons) licenciją (CC BY-NC 4.0), kuri leidžia neribotą straipsnio ar jo dalių panaudą su privaloma sąlyga nurodyti autorių ir pirminį šaltinį. Straipsnis ar jo dalys negali būti naudojami komerciniams tikslams. ISSN 2029-2341 / eISSN 2029-2252 MOKSLAS -LIETUVOS ATEITIS SCIENCE -FUTURE OF LITHUANIA įvadasPaskutinius kelis dešimtmečius vaizdo ir garso technologijų kokybė labai padidėjo. Dabartinės technologijos leidžia transliuoti ir žiūrėti aukštos kokybės turinį, pvz., 4K televiziją. Kompanijos toliau tobulina ir kuria technologijas. Japonijos televizijos kompanija NHK per 2020 metų Tokijo olimpines žaidynes žada transliuoti 8K kokybės turinį. Garso sistemos taip pat tobulėja -dabar siūlomas erdvines garso sistemas keičia sistemos, gebančios atkurti trimačio garso efektą. Gerinant šių technologijų kokybę siekiama sumažin-ti skirtumą tarp originalaus ir vartotojui pateikiamo turinio, siekiama, kad vartotojas visiškai įsijaustų į rodomo vaizdo ir garso kokybę. Tokia vartotojo patirtis vadinama patirta kokybe (angl. Quality of Experience (QoE)). QoE priklauso ne tik nuo inžinerinių parametrų, bet ir nuo turinio, socialinių, psichologinių veiksnių, įžvalgos, patirtų emocijų. Tarptautinė telekomunikacijų sąjungos rekomendacija QoE apibrėžia kaip vartotojo subjektyviai suvoktą bendrą teikiamos paslaugos ar taikomosios programos priimtinumą (ITU-T 2007). Įprastai QoE matuojama klausimynais, kai vartotojas dažniausiai pagal 5 ar 10 balų sistemą įvertina matytą audiovizualinį turinį (Song et al. 2016). Į klausimynus įtraukiami klausimai apie garso kokybę, vaizdo kokybę, įsijautimą į turinį, aplinkos suvokimą. Šiuos subjektyvius matavimus bandoma pakeisti objektyviais, kurie grindžiami žmogaus fiziologine ir kognityvine informacija (Gupta et al. 2013).Fiziologiniai metodai leistų įvertinti QoE realiuoju laiku. Širdies ritmas ar jo pokytis gali būti vienas iš požymių, padedančių objektyviai įvertinti QoE. Širdies ritmo mažėjimas sietinas su kognityvine veikla, o jaudinantys potyriai didina širdies ritmą (Bryant, Oliver 2009). Priklausomybė tarp širdies ritmo ir QoE nustatyta žaidžiant kompiuterinius žaidimus (Drachen et al. 2010;Castellar et al. 2014). Barreda-Ángeles et al. (2014) tyrinėjo regos nepatogumus (angl. visual discomfort) stereoskopiniuose 3D vaizduose esant įvairioms subjekto emocinėms bū-senoms. Subjektyvūs savęs įvertinimai nerodė jokio poveikio regos nepatogumams, tačiau buvo rasta koreliacija tarp regos nepatogumo ir fiziologinių matavimų širdies ritmo elektrokardiogramos (ECG) signale, taip pat koreliacija matyti iš elektromiografijos ir odos galvaninių reakcijų (angl. electrodermal activity).Naujausios technologijos ir infrastruktūra pritaikytos vaizdą perduoti ne tik į stacionarius įrenginius, bet ir į mobiliuosius telefonus, planšetinius ar nešiojamuosius 341 kompiuterius. Objektyviam QoE įvertinimo patobulinimui pasiūlytas fiziologinių signalų rinki...

show abstract

QoE Evaluation of Multimedia Services Based on Audiovisual Quality and User Interest

Cited by 47 publications

References 35 publications

Towards Individual QoE for Multiparty Videoconferencing

Towards Individual QoE for Multiparty Videoconferencing

Deepqoe: A Unified Framework for Learning to Predict Video QoE

Investigation of Quality of Experience Using ECG Features during Consumption of Audiovisual Content

Contact Info

Product

Resources

About