量子科技中心_量科网

在当前数据流量限制日益严格的时代，如何在遵循用户设定流量上限的同时优化视频流媒体质量仍是一项重大挑战。本文提出了一种创新的量子框架——码率自适应限流感知网络内容增强系统（BALANCE），该系统基于视觉复杂度和预期数据消耗量智能预选视频片段，并采用视频多方法评估融合（VMAF）指标来提升体验质量（QoE）。该团队将本方法与自适应码率（ABR）流媒体中的传统码率阶梯方案进行对比，证明在同等数据限制条件下能显著改善QoE。通过将码率分配问题转化为二次无约束二元优化（QUBO）模型，研究人员比较了松弛变量法与动态惩罚法（DPA）的表现，结果表明随着数据限制提升，DPA持续优于松弛变量法，能提供更有效且更优的解决方案。这种新型量子方法极大提升了限流量套餐用户的流媒体满意度。