Sincronia de sistemas multimídia distribuídos utilizando técnicas de aprendizagem de máquina

• Ano de defesa: 2019
• Autor(a) principal: Pereira, Igor Gadêlha
• Orientador(a): Silveira, Luiz Felipe de Queiroz
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Sistemas distribuídos; Sistemas multimídia; Orquestração de fluxos de dados; Latência na internet; Teoria da informação; Correntropia; Espaço de Hilbert; Redes neurais
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/27937

A troca de fluxos de dados multimídia em um cenário de sistemas distribuídos representa um desafio, devido principalmente a dois problemas geralmente presentes nesse contexto: a sincronização entre os diversos fluxos e o gerenciamento de hardwares heterogêneos presentes no sistema. A dificuldade em manter os limites temporais necessários para reprodução de um fluxo de dados multimídia aumenta com distúrbios introduzidos pelo canal de comunicação, o que está diretamente relacionado à qualidade de serviço. Na Internet, a transmissão de fluxo multimídia de tempo real requer estratégias eficientes de sincronização e armazenamento em memória, que podem adicionar uma quantidade significativa de latência interferindo diretamente na qualidade de experiência (QoE) vivenciada pelo usuário final. Dentre as aplicações que necessitam latência baixa para garantir um QoE aceitável, a composição e a execução de músicas através da internet representam o maior desafio. Nessa direção, propomos novos métodos para sincronização de fluxos multimídia codificados e fluxos de áudio não codificados, de alta precisão e baixa latência com o intuito de serem utilizados em sistemas multimídia de alcance global, como a Internet. Através dos experimentos realizados, identificamos boas taxas de acerto na sincronização desses fluxos de áudio e vídeo. Destacamos os valores de 72% na sincronização de fluxos de vídeo e até 93% para sequencias de áudio não codificados. Para isso utilizamos análise estatística de ordem superior e redes neurais convolucionais e sequenciais para computar uma relação temporal entre dois sinais multimídia.