Fig. 5. NASA TLX user workloadThe r

Fig. 5. NASA TLX user workload
The results of the evaluation shown in Figure 5 reveal a trend that the workload is lower for the zoomed videos. The TLX workload values show that the zooming approach better fits the sports videos. For the talk videos the workload is reduced by 26 % using zooming and for the sport videos the workload is reduced by 49 %. The results lend support that zooming is a good solution to improve mobile user experience for mobile video. The analysis of the video browsing results shows a larger improvement of mobile user experience with much lower workload than the traditional video. Compared to the zooming approach, the type of video content has a big impact on the workload. The workload for the documentary film videos is reduced by 67 % and for the sports video by 64 %.
B. Cloud evaluation
One of the main advantages of the cloud infrastructure for the intelligent video processing services is the accelerated processing/adaptation time. To evaluate the MVCS cloud part three videos with different lengths were chosen. The first video is processed as one chunk on one instance, the second one as three chunks on three instances and finally the third one as five chunks on five instances. Amazon EC2 small instances were used as cloud infrastructure. For every task the processing time is measured.



For the chunk-based approach this means the process from splitting the video into chunks, processing them and merging them again. The MVCS cloud evaluation proves that splitting the video into chunks instead of processing it as a single file is a good solution to deliver faster video processing for near real-time delivery.
Fig. 6. Cloud processing time comparison
Figure 6 presents a comparison of all cloud evaluation results. Here again, we see that the processing time for the single file approach is increasing with the length of the video. For the chunk-based approach we see that the processing time is increasing very slightly. The small increase can be explained that merging the chunks to one file takes a little more time for every additional chunk. Nevertheless, our system has also limitation. The user study showed that zooming has to be improved as some users lost the context of the video due to the zooming. The number of evaluation participants and types was limited. A real-world evaluation over a longer period is




















needed to assess the perceptual quality of the delivered video streams.

ผลลัพธ์ (ไทย) 1:

รูป 5 ปริมาณผู้ใช้ NASA TLXผลการประเมินแสดงในรูปที่ 5 แสดงให้เห็นแนวโน้มว่าปริมาณต่ำสำหรับวิดีโอขยาย ค่าปริมาณ TLX แสดงว่าการซูมวิธีดี fits กีฬาวิดีโอ สำหรับพูดคุยวิดีโอ ปริมาณจะลดลง 26% ใช้ซูม และวิดีโอกีฬา ปริมาณจะลดลง 49% ผลการยืมสนับสนุนว่า ซูมเป็นโซลูชันที่ดีเพื่อปรับปรุงประสบการณ์ผู้ใช้โมบายสำหรับวิดีโอมือถือ การวิเคราะห์ผลการเรียกดูวิดีโอแสดงการปรับปรุงประสบการณ์การใช้งานโทรศัพท์มือถือมากปริมาณต่ำกว่าวิดีโอแบบดั้งเดิมขนาดใหญ่ เมื่อเทียบกับวิธีการซูม ชนิดของเนื้อหาวิดีโอที่มีผลกระทบใหญ่ในปริมาณ ลดปริมาณสำหรับวิดีโอภาพยนตร์สารคดี โดย 67% และ สำหรับกีฬาวิดีโอ 64%การประเมินเมฆข.ประโยชน์หลักของโครงสร้างพื้นฐานคลาวด์สำหรับบริการการประมวลผลวิดีโออัจฉริยะอย่างใดอย่างหนึ่งคือเวลาเร่งการประมวลผล/การปรับตัว การประเมิน MVCS เมฆส่วนสามวิดีโอ มีความยาวแตกต่างกันรับเลือกใน ประมวลผลแรกวิดีโอเป็นก้อนหนึ่งบนอินสแตนซ์ที่หนึ่ง หนึ่งสองสามก้อนบนอินสแตนซ์ที่สามและ finally เป็นหนึ่งในสามเป็นด้านส่วนที่เข้ารหัสในกรณีที่ด้าน อินสแตนซ์เล็ก Amazon EC2 ถูกใช้เป็นโครงสร้างพื้นฐานคลาวด์ สำหรับทุกงาน จะวัดเวลาการประมวลผล สำหรับวิธีการใช้ก้อน นี้หมายถึง กระบวนการจากการแบ่งวิดีโอออกเป็นก้อน การประมวลผลของพวกเขา และรวมพวกเขาอีกครั้ง การประเมินผลระบบคลาวด์ MVCS พิสูจน์ให้เห็นว่า การแบ่งวิดีโอออกเป็นก้อนแทนการประมวลผลเป็นรูปเดียวเป็นทางออกที่ดีจะส่งวิดีโอการประมวลผลสำหรับใกล้ส่งแบบเรียลไทม์รูป 6 เมฆการประมวลผลเปรียบเทียบเวลารูปที่ 6 แสดงการเปรียบเทียบผลการประเมินระบบคลาวด์ทั้งหมด ที่นี่อีกครั้ง เราดูที่เวลาวิธีเดียวรูปจะเพิ่มขึ้นกับความยาวของวิดีโอ สำหรับวิธีการใช้ก้อน ที่เราเห็นว่า เวลาการประมวลผลเพิ่มขึ้นเล็กน้อย เพิ่มขนาดเล็กสามารถอธิบายได้ว่า การผสานกลุ่มการรูปหนึ่งใช้เวลาเล็กน้อยสำหรับทุกก้อนเพิ่มเติม อย่างไรก็ตาม ระบบของเรายังมีข้อจำกัด การศึกษาผู้ใช้พบว่า ซูมมีขึ้น ตามที่ผู้ใช้บางคนหายไปบริบทของวิดีโอเนื่องจากการซูม จำนวนผู้เข้าร่วมประเมินผลและชนิดที่ถูกจำกัด มีการประเมินจริงเป็นระยะเวลานานกว่าต้องประเมินการรับรู้คุณภาพของการส่งกระแสข้อมูลวิดีโอ

ผลลัพธ์ (ไทย) 2:

มะเดื่อ. 5. ภาระงานของผู้ใช้นาซา TLX
ผลของการประเมินผลที่แสดงในรูปที่ 5 แสดงให้เห็นแนวโน้มว่าภาระงานที่ต่ำกว่าสำหรับวิดีโอซูม ค่าภาระงาน TLX แสดงให้เห็นว่าการซูมเข้าใกล้ Fi ที่ดีกว่า TS วิดีโอกีฬา สำหรับวิดีโอการพูดคุยภาระงานจะลดลง 26% โดยใช้การซูมและวิดีโอการเล่นกีฬาภาระงานจะลดลง 49% ผลการให้การสนับสนุนการซูมว่าเป็นทางออกที่ดีในการปรับปรุงประสบการณ์ของผู้ใช้โทรศัพท์มือถือสำหรับวิดีโอมือถือ การวิเคราะห์ผลการเรียกดูวิดีโอที่แสดงให้เห็นการปรับปรุงขนาดใหญ่ของประสบการณ์ของผู้ใช้มือถือที่มีภาระงานมากต่ำกว่าวิดีโอแบบดั้งเดิม เมื่อเทียบกับวิธีการซูมภาพประเภทของเนื้อหาวิดีโอที่มีผลกระทบอย่างมากต่อภาระงาน ภาระงานสำหรับสารคดีวิดีโอ Fi LM จะลดลง 67% และสำหรับวิดีโอกีฬาโดย 64%.
บี การประเมินผลแบบคลาวด์
หนึ่งในข้อได้เปรียบหลักของโครงสร้างพื้นฐานระบบคลาวด์สำหรับบริการการประมวลผลวิดีโอที่ชาญฉลาดคือการประมวลผลที่ / เวลาปรับตัวเร่ง ในการประเมินส่วนเมฆ MVCs สามวิดีโอที่มีความยาวแตกต่างได้รับการแต่งตั้ง วิดีโอแรกมีการประมวลผลเป็นหนึ่งชิ้นในหนึ่งตัวอย่างเช่นคนที่สองสามชิ้นในสามกรณีและ Fi Nally หนึ่งในสามเป็น Fi ได้ในชิ้น Fi ได้กรณี Amazon EC2 กรณีเล็ก ๆ ถูกนำมาใช้เป็นโครงสร้างพื้นฐานคลาวด์ สำหรับงานเวลาการประมวลผลเป็นวัดทุก.



สำหรับวิธีก้อนตามนี้หมายถึงกระบวนการที่เกิดจากการแตกเป็นชิ้นวิดีโอการประมวลผลและรวมพวกเขาอีกครั้ง การประเมินผล MVCs เมฆพิสูจน์ให้เห็นว่าการแยกวิดีโอเป็นชิ้นแทนของการประมวลผลเป็น Fi เดียว Le เป็นทางออกที่ดีในการส่งมอบการประมวลผลวิดีโอได้เร็วขึ้นสำหรับการส่งมอบที่อยู่ใกล้เวลาจริง.
รูป 6. เวลาการประมวลผลแบบคลาวด์เปรียบเทียบ
รูปที่ 6 นำเสนอการเปรียบเทียบผลการประเมินระบบคลาวด์ทั้งหมด ที่นี่อีกครั้งเราจะเห็นว่าเวลาการประมวลผลสำหรับ Fi เดียว Le วิธีการเพิ่มขึ้นกับความยาวของวิดีโอ สำหรับวิธีก้อนตามเราจะเห็นว่าเวลาการประมวลผลที่เพิ่มขึ้นเล็กน้อย การเพิ่มขึ้นของขนาดเล็กสามารถอธิบายได้ว่าการรวมชิ้นให้เป็นหนึ่ง Fi le ใช้เวลาน้อยมากสำหรับทุกก้อนเพิ่มเติม อย่างไรก็ตามระบบของเรายังมีข้อ จำกัด การศึกษาแสดงให้เห็นว่าผู้ใช้ซูมจะต้องมีการปรับตัวดีขึ้นเป็นผู้ใช้บางคนหายไปบริบทของวิดีโอเนื่องจากการซูม จำนวนผู้เข้าร่วมการประเมินผลและประเภทที่ถูก จำกัด การประเมินผลที่แท้จริงของโลกในระยะเวลานานเป็น




















สิ่งจำเป็นในการประเมินคุณภาพการรับรู้ของวิดีโอสตรีมส่ง

ผลลัพธ์ (ไทย) 3:

รูปที่ 5 นาซา Tl ผู้ใช้ภาระงานผลของการประเมินที่แสดงในรูปที่ 5 เผยแนวโน้มที่ภาระงานต่ำสำหรับซูมวิดีโอ ส่วนภาระค่า Tl แสดงให้เห็นว่าซูมวิธีที่ดีกว่าจึง TS กีฬาวิดีโอ สำหรับการพูดคุยวิดีโอภาระงานลดลง 26% ใช้ซูมและวิดีโอกีฬาภาระงานลดลง 49 % ผลให้การสนับสนุนที่ซูมเป็นทางออกที่ดีเพื่อปรับปรุงประสบการณ์ของผู้ใช้โทรศัพท์มือถือสำหรับวิดีโอมือถือ การวิเคราะห์วิดีโอที่เรียกแสดงผลการปรับปรุงขนาดใหญ่ของประสบการณ์ของผู้ใช้โทรศัพท์มือถือกับภาระงานน้อยกว่าวิดีโอแบบดั้งเดิม เมื่อเทียบกับซูมเข้าใกล้ ประเภทของเนื้อหาวิดีโอที่มีผลกระทบใหญ่ในงานกัน ภาระงานสำหรับสารคดีจึงถ่ายวิดีโอลดลง 67% และกีฬาวิดีโอโดย 64 %เมฆการประเมินผล Bหนึ่งในประโยชน์หลักของเมฆโครงสร้างพื้นฐานสำหรับบริการการประมวลผลวิดีโอฉลาดคือการประมวลผล / การปรับตัวเร่งเวลาได้ ประเมินส่วน mvcs เมฆ 3 วิดีโอที่มีความยาวที่แตกต่างกันถูกเลือก จึงมีการประมวลผลวิดีโอแรกเป็นหนึ่งชิ้นต่อหนึ่งอินสแตนซ์ที่สองสามชิ้นบนและสามกรณีจึงแนลลี่คนที่สามจึงได้เป็นชิ้นบนจึงได้กรณี Amazon EC2 ขนาดเล็กกรณีถูกใช้เป็นโครงสร้างพื้นฐานเมฆ สำหรับทุกงานเวลาการประมวลผลคือวัดสำหรับชิ้นตามวิธีการนี้หมายถึงกระบวนการจากการแยกวิดีโอเป็นชิ้น การประมวลผล และผสานพวกเขาอีกครั้ง การ mvcs เมฆการประเมินผล แสดงว่าแยกวิดีโอเป็นชิ้นแทนการประมวลผลเป็นเดียวจึงเลอเป็นโซลูชั่นที่ดีเพื่อให้การประมวลผลวิดีโอได้อย่างรวดเร็วใกล้ การจัดส่งแบบเรียลไทม์รูปที่ 6 เวลาในการประมวลผลการเมฆรูปที่ 6 แสดงการเปรียบเทียบผลการประเมินเมฆ ที่นี่อีกครั้งเราจะเห็นว่าเวลาการประมวลผลเพื่อถ่ายทอดแนวทางเดียว เลอ เพิ่มความยาวของวิดีโอ สำหรับชิ้นตามวิธีเราดูที่เวลาในการประมวลผลเพิ่มขึ้นเล็กน้อย . เพิ่มขึ้นเล็กน้อย สามารถอธิบายได้ว่า การรวมชิ้นหนึ่งจึงเลอต้องใช้เวลามากขึ้นสำหรับเพิ่มเติมทุกก้อน แต่ระบบของเรายังมีข้อจำกัด ผู้ใช้พบว่าซูมได้จะดีขึ้นตามที่ผู้ใช้บางคนสูญเสียบริบทของวิดีโอเนื่องจากการซูม จํานวนผู้เข้าร่วมการประเมินผลและประเภทมีจำกัด จริง การประเมินผลในระยะเวลานานคือต้องประเมินคุณภาพของการส่งกระแสข้อมูลวิดีโอ