本文參考論文： TILE-BASED QOE-DRIVEN HTTP/2 STREAMING SYSTEM FOR 360 VIDEO
一篇簡短的review
主要內容
本文針對等矩形投影（ERP）存在大量冗餘數據以及難以準確預測用戶視點的問題。其使用了Sinusoidal projection（SP），正如下圖所示，可以看出在同樣的視點情況下，這種投影方式所需要傳輸的tile數量是要少，尤其是在兩極區域。
由於在同一個視頻中用戶的感興趣區域是相似的，所以可以利用其他用戶的觀看歷史來預測視點。本文基於此想法，提出了一種基於KNN的視點預測法。該方法首先利用觀看者的歷史視點經過線性迴歸模型（LR）預測出該用戶的下一個可能視點，隨後通過KNN算法找出距離其最近的K個點，這樣就可以形成一個可能的視口區域。如下圖爲K=4時的預測結果。
隨後其通過一個QoE模型來挑選這個視口區域內的每個tile是否需要傳輸以及傳輸的碼率。其模型如下所示。
其中i表示tile的編號，j表示傳輸的碼率，η表示tile的實際比特率與原始比特率之前的質量方差（PSNR）的權重，R表示可用帶寬，減少卡頓的可能性。
最後本文還設計了基於HTTP/2的K-push服務器，其允許服務器向客戶端同時發送k個tile，這樣就可以比傳統的HTTP/1.1服務器節省至少K-1個RTT時間。
最終經過測試，文本實現的HTTP/2 360視頻流媒體系統在大多數情況下需要傳輸的tile數量是比傳統的ERP要少的，其所需要傳輸的比特率下降約17%，視口預測精度提高約30%，視區內的PSNR提高22%，傳輸延遲降低約30%。
思考
本文提出的這個HTTP/2 K-push服務器是一個不錯的點，其可以有效降低傳輸延遲。其通過KNN來提升預測視點的準確性，但是假設歷史用戶視點在某一時刻比較分散，這樣根據K個點確定的視區可能過大，這種情況下的預測結果可能會不盡人意。其次文中試驗時所採用的視頻片段間隔爲1s，實驗數據比較單一，如果可以像Flare中那樣分好幾個時間間隔多做一寫實驗測試可能會發現該系統的最佳性能，同時使實驗結果更具說服力。