由于冠狀病毒大流行使許多國家陷入困境，因此視頻流已經成為許多人更受歡迎的活動。但是，增加的受眾也使帶寬損失，因此視頻質量減少了。
但是根據發布Eurekalert，斯坦福大學的研究人員開發了一種名為“ Fugu”的算法，該算法可以顯著改善視頻流的質量。
根據發布，新算法是在觀看視頻流的志願觀眾的幫助下創建的。
上述視頻流是由計算機科學家提供的，他們使用機器學習來實時仔細檢查數據流，以創建可以減少觀眾攤位和故障體驗的方式，這是由於同時流媒體的個人數量。
新算法可提高視頻質量；這是您需要了解的有關“ Fugu”的知識
科學論文發表了usenix它描述瞭如何創建新開發的算法。據說，Fugu只能推出與觀眾的Internet連接可以接收的盡可能多的數據，而無需降低視頻的質量。
“在流媒體中，避免攤位在很大程度上取決於這些算法，”計算機科學的博士候選人弗朗西斯·揚說。
根據報告，許多當前用於視頻流的流行系統基於基於緩衝區的算法，也稱為BBA。斯坦福大學的研究生Te-Yuan Huan在七年前在McKeown和Ramesh Johari教授的幫助下開發了BBA。
基於緩衝區的算法通過詢問單個的設備在其緩衝區中擁有多少視頻來起作用。如果存儲的視頻少於五秒鐘，則該算法將發送較低的質量素材以減少毛刺和可能遇到的其他中斷。
另一方面，如果視頻的緩衝區超過15秒，BBA將發送它可以提供的最高質量視頻。如果數字介於兩者之間，則基於緩衝區的算法將根據其緩衝區調整視頻的質量。
為了創建比BBA更複雜的算法，基思·溫斯坦是一名計算機科學助理教授，監督了這項研究，一組研究人員在斯坦福大學的Packard大樓上豎起了一個天線，以吸引免費的空中廣播信號，然後可以將其交付給該項目的志願者“ Puffer”。
研究人員使用自己的學習算法對觀眾的數據流進行了比較，以比較他們的性能，並查看哪些具有更好的調整功能。
研究表明，FUGU在中斷時間，視頻質量的一致性和最高圖像分辨率方面優於BBA。根據這項研究，觀眾觀看Fugu-fed視頻流的平均持續時間為5-9％，與使用常規算法的觀眾更長。
