Machine Learning-based Adaptive Reconstruction of Video Stream Fragments Taking into Account Scene Dynamics. Proceedings of the Institute for System Programming of the RAS

Труды Института системного программирования РАН. 2026. Т. 38. № 1. С. 255–274.

Думкин Н. А., Александров Д. В., Прозорский М. А.

Предложен теоретически обоснованный подход к адаптивному восстановлению видеофрагментов на стороне клиента с использованием методов машинного обучения и анализа сцены. Метод включает формальную постановку задачи, модель конечного автомата для принятия решений, функцию стоимости восстановления, а также новый этап в подготовке видео – оценку динамики сцены с последующей записью признака в HLS-плейлист. Такой признак позволяет повысить точность выбора методов восстановления фрагментов видео. Описана архитектура алгоритма, предложены правила выбора стратегии восстановления и теоретически обосновано использование дополнительных признаков в формализованной модели. Работа носит преимущественно теоретико-методический характер: формализуется стратегия восстановления и предлагается расширение плейлиста. Дополнительно приведена ограниченная симуляционная оценка, цель которой – проверить внутреннюю согласованность правил модели и чувствительность к пороговым параметрам, а не продемонстрировать превосходство над существующими методами.

Ключевые слова: Adaptive Video Streaming, HLS, video content restoration, video frame interpolation, video super-resolution, client-side restoration algorithms, адаптивный видеостриминг, восстановление видеоконтента, интерполяция видеокадров, суперразрешение видео, клиентские алгоритмы восстановления, стандарт HLS

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Методы и алгоритмы применения интеллектуальных агентов в процессе разработки и рефакторинга распределенных программных систем (2026)