FVV dataset

FVV数据集由上海交通大学的研究团队创建，包含来自10个不同场景的330个视频，涵盖了篮球、歌剧等多种内容。该数据集旨在支持自由视角视频（FVV）系统的研究，特别是针对实时交互式FVV流媒体的高质量体验和低切换延迟。数据集通过多视角视频帧的重组技术生成，避免了传统转码的高计算开销，适用于大规模移动超高清FVV体验。数据集的应用领域包括沉浸式直播、体育赛事、音乐会等，旨在解决带宽和计算资源受限环境下的FVV流媒体传输问题。The FVV Dataset was developed by a research team from Shanghai Jiao Tong University. It comprises 330 videos across 10 different scenarios, covering a wide range of contents including basketball games, operas and more. This dataset is intended to support research on free viewpoint video (FVV) systems, with a specific focus on achieving high-quality experiences and low switching delay for real-time interactive FVV streaming. Generated using multi-view video frame recombination technology, the dataset eliminates the high computational overhead associated with traditional transcoding, making it applicable to large-scale mobile ultra-high-definition FVV experiences. Its application scenarios include immersive live streaming, sports events, concerts and other fields, and it aims to solve the FVV streaming transmission challenges in environments with limited bandwidth and computing resources.

搜集汇总

数据集介绍

构建方式

FVV dataset的构建方式是在边缘服务器上根据用户选择的视图轨道重新组装多视图视频帧。这种方式避免了转码的需要，并显著降低了计算开销。此外，该数据集还包含了一种基于图神经网络的流行度自适应比特分配方法，该方法预测视图流行度并动态调整比特分配，以在带宽限制内最大化QoE。

特点

FVV dataset的特点在于其高效性和低延迟。通过在边缘服务器上重新组装视频帧，该数据集显著降低了计算开销，并实现了低延迟的视图切换。此外，该数据集还包含了一种基于图神经网络的流行度自适应比特分配方法，该方法能够预测视图流行度并动态调整比特分配，以在带宽限制内最大化QoE。

使用方法

FVV dataset的使用方法包括以下几个步骤：首先，在边缘服务器上根据用户选择的视图轨道重新组装多视图视频帧。然后，使用基于图神经网络的流行度预测方法预测视图流行度。最后，根据预测的视图流行度动态调整比特分配，以最大化QoE。

背景与挑战

背景概述

FVV数据集背景概述

当前挑战

FVV数据集当前挑战

常用场景

经典使用场景

FVV dataset, derived from the VARFVV system, is designed to enable real-time interactive free-view video streaming with high Quality of Experience (QoE) and low switching delay. The dataset is used to train and evaluate the system's ability to predict view popularity and dynamically adjust bit allocation to optimize QoE within bandwidth constraints. It is particularly useful for scenarios where multiple users simultaneously access immersive UHD FVV content on mobile devices.

衍生相关工作

The FVV dataset has inspired related works in the field of multimedia streaming and content delivery. It has contributed to the development of advanced techniques for view popularity prediction, bit allocation, and edge-side FVV stream generation. These techniques have been further explored and applied in various scenarios, including 360-degree video streaming, adaptive bitrate allocation, and immersive multimedia experiences.

数据集最近研究

最新研究方向

在多视角视频流传输领域，FVV dataset被用于支持实时交互式自由视角视频流传输系统VARFVV的研究。该系统通过在边缘服务器上重新组装多视角视频帧，实现了高QoE和低切换延迟，同时降低了计算和传输成本。VARFVV引入了基于用户选择的视角轨迹的低复杂度FVV生成方案，无需转码，从而显著减少了计算开销。此外，VARFVV还提出了一种基于图神经网络的热度自适应比特分配方法，预测视角热度并动态调整比特分配，以最大化QoE。该数据集的构建为大规模、移动端的UHD FVV体验提供了支持，并在视频质量、切换延迟、计算效率和带宽使用方面超越了现有方法。

相关研究论文

• VARFVV: View-Adaptive Real-Time Interactive Free-View Video Streaming with Edge Computing

  上海交通大学 · 2025年