由于冠状病毒大流行使许多国家陷入困境，因此视频流已经成为许多人更受欢迎的活动。但是，增加的受众也使带宽损失，因此视频质量减少了。
但是根据发布Eurekalert，斯坦福大学的研究人员开发了一种名为“ Fugu”的算法，该算法可以显着改善视频流的质量。
根据发布，新算法是在观看视频流的志愿观众的帮助下创建的。
上述视频流是由计算机科学家提供的，他们使用机器学习来实时仔细检查数据流，以创建可以减少观众摊位和故障体验的方式，这是由于同时流媒体的个人数量。
新算法可提高视频质量；这是您需要了解的有关“ Fugu”的知识
科学论文发表了usenix它描述了如何创建新开发的算法。据说，Fugu只能推出与观众的Internet连接可以接收的尽可能多的数据，而无需降低视频的质量。
“在流媒体中，避免摊位在很大程度上取决于这些算法，”计算机科学的博士候选人弗朗西斯·扬说。
根据报告，许多当前用于视频流的流行系统基于基于缓冲区的算法，也称为BBA。斯坦福大学的研究生Te-Yuan Huan在七年前在McKeown和Ramesh Johari教授的帮助下开发了BBA。
基于缓冲区的算法通过询问单个的设备在其缓冲区中拥有多少视频来起作用。如果存储的视频少于五秒钟，则该算法将发送较低的质量素材以减少毛刺和可能遇到的其他中断。
另一方面，如果视频的缓冲区超过15秒，BBA将发送它可以提供的最高质量视频。如果数字介于两者之间，则基于缓冲区的算法将根据其缓冲区调整视频的质量。
为了创建比BBA更复杂的算法，基思·温斯坦是一名计算机科学助理教授，监督了这项研究，一组研究人员在斯坦福大学的Packard大楼上竖起了一个天线，以吸引免费的空中广播信号，然后可以将其交付给该项目的志愿者“ Puffer”。
研究人员使用自己的学习算法对观众的数据流进行了比较，以比较他们的性能，并查看哪些具有更好的调整功能。
研究表明，FUGU在中断时间，视频质量的一致性和最高图像分辨率方面优于BBA。根据这项研究，观众观看Fugu-fed视频流的平均持续时间为5-9％，与使用常规算法的观众更长。
