Luận văn Thạc sĩ: Nâng cao chất lượng phát video qua HTTP bằng phương pháp học tăng cường

Với sự bùng nổ của điện toán đám mây và IoT, phát video trực tuyến đã trở thành thành phần chính của lưu lượng Internet toàn cầu, đặt ra yêu cầu cao về chất lượng dịch vụ. Tuy nhiên, việc đảm bảo một chất lượng trải nghiệm (QoE) tối ưu cho người dùng vẫn là một thách thức lớn do sự biến động của điều kiện mạng như băng thông và độ trễ. Các phương pháp Adaptive Bitrate (ABR) truyền thống thường gặp khó khăn trong việc cân bằng giữa chất lượng hình ảnh và khả năng phát lại mượt mà, không gián đoạn. Nghiên cứu này đề xuất một giải pháp sử dụng phương pháp học tăng cường để tối ưu hóa quá trình phát video qua HTTP, nhằm nâng cao đáng kể QoE cho người dùng.

Các nhà nghiên cứu, kỹ sư và nhà phát triển trong lĩnh vực mạng máy tính, truyền thông, trí tuệ nhân tạo và xử lý video, đặc biệt là những người quan tâm đến tối ưu hóa chất lượng dịch vụ phát video trực tuyến và ứng dụng học tăng cường.

Nghiên cứu này tập trung giải quyết bài toán tối ưu hóa chất lượng trải nghiệm (QoE) cho người dùng trong bối cảnh phát video qua HTTP đang chiếm ưu thế trên Internet. Nhận thấy những hạn chế của các thuật toán Adaptive Bitrate (ABR) truyền thống trước sự biến động của môi trường mạng, luận văn đề xuất một phương pháp tiếp cận tiên tiến dựa trên học tăng cường. Cụ thể, thuật toán Deep Q-Networks (DQN) được triển khai để cho phép hệ thống "học" cách lựa chọn tốc độ bit tối ưu cho các phân đoạn video tiếp theo. Phương pháp này khai thác khả năng ra quyết định thông minh của học tăng cường để thích ứng linh hoạt với băng thông mạng và các thông số khác, nhằm duy trì trải nghiệm phát video mượt mà và chất lượng cao. Quá trình mô phỏng được thực hiện kỹ lưỡng trong môi trường được xây dựng bằng PyTorch, Stable-baselines 3 và OpenAI Gym, sử dụng dữ liệu video thực tế và kịch bản mạng 4G để đảm bảo tính thực tiễn. Kết quả mô phỏng cho thấy tiềm năng của giải pháp trong việc cải thiện QoE bằng cách giảm thiểu tình trạng gián đoạn và tối đa hóa chất lượng hình ảnh được truyền tải. Luận văn cung cấp một đóng góp quan trọng trong việc ứng dụng các kỹ thuật trí tuệ nhân tạo vào tối ưu hóa dịch vụ phát video trực tuyến, mở ra hướng phát triển cho các hệ thống streaming thông minh hơn.