Ett av de mest populära community:n på internet och en av världens mest populärastewebbplats i dag är videotjänsten YouTube. Strömmande tjänster blir alltmer efterfrågade i taktmed att tekniken utvecklas och bandbreddens prestationsförmåga inte längre är en begränsning.Inte minst har strömmande tjänster, i synnerhet YouTube, blivit populärt på grund av desskopierade innehåll av användare, i motsats till det egenskapade. Många av de uppladdadevideoklippen är upphovsrättsskyddade och just sådana videoklipp har visat sig tendera att varasärskilt efterfrågade bland användarna.I den här uppsatsen tittar jag på användarnas beteenden på YouTube i form av en observationnär de laddar upp upphovsrättsskyddat material. Jag undersöker hur användare ställer sig tillupphovsrätten och de regler som råder på YouTube genom en enkätundersökning. Slutligenintervjuar jag två advokater specialiserade inom området för att ta del av deras professionellasynsätt. Uppsatsen presenterar de observerade användarstrategierna och reflektionerna.

Cloud-based video processing is an area depending heavily on the hardware’s ability to process huge amounts of packets. Nowadays, we can observe industry drifting away from commonly used FPGAs in lieu of a more flexible software approach. Docker container has been considered a promising technology for constructing video streaming pipelines as it provides a fast and easy way to package and distribute software. Recent developments in the Network Function Virtualization field showed that fast packet processing frameworks like Intel Data Plane Development Kit (DPDK) have a potential to improve the performance of network function chains. This technology could be an enabler for software video processing to approach hardware solutions, yet it is still in quite an early stage and generates many questions about usage, deployment, and performance. This thesis shows that it is possible to build packet processing pipelines using DPDK, running dozens of video processing microservices simultaneously on a single machine. The project implementation was evaluated in terms of latency and throughput and behaviour of co-running applications on a single CPU core was modelled. / Molntjänster Inom området videobearbetning är starkt beroende av hårdvarans förmåga att kontinuerligt bearbeta mycket stora mängder paket. Idag har det blivit vanligt inom professionell användning att välja bort tidigare vanliga FPGA-baserade lösningar, till förmån för mer flexibla mjukvarubaserade lösningar. Docker containers har setts som en lovande teknologi för att konstruera pipelines för strömmande video, då de erbjuder ett snabbt och enkelt sätt att paketera och distribuera mjukvara. Utvecklingen inom virtualisering av nätverksfunktioner (NFV) har visat att ramverk för snabb paketprocessning, såsom Intel DPDK, har potential att förbättra prestandan hos kedjor av nätverksfunktioner. Denna teknologi gör det möjligt för mjukvarubaserad videobehandling att hävda sig i jämförense med hårdvarubaserade varianter. Den är dock relativt ny och oprövad och det kvarstår många öppna frågor om användning, driftsättning och prestanda. Detta examensarbete visar att det är möjligt att bygga paketbearbetande pipelines med DPDK, som kör dussintals nätverksfunktioner samtidigt på en maskin. En implementation har konstruerats och utvärderats med fokus på latens och flöde, och beteendemönster för applikationer som kör samtidigt på samma CPU har modellerats.

Flodpärlmusslan (Margaritana margaritifera) är en starkt hotad mussla som är beroende av öring (Salmo trutta) för sin larvutveckling. Musslan är negativt påverkad av dagens användning av vattendrag och omgivande mark då de har höga krav på sin omgivning. Denna undersökning tittar på hur bottensubstrat, tillgång till värdfiskars habitat och kantzonernas sammansättning påverkar musslornas rekrytering. För detta användes biotopkarteringar, vilka relaterades till musslans rekrytering. Resultatet visade att hög förekomst av ståndplatser för värdfisken, strömmande vatten och buskskiktet på land var positivt för rekryteringen av flodpärlmusslan. Det visade sig däremot att det inte var någon skillnad i bottensubstratets sammansättning eller i antalet diken mellan vattendrag med och utan rekrytering. Slutsatsen för denna undersökning är att det behövs fördjupade studier på mindre skala och i akvarieexperiment med fokus på hur värdfiskens habitat, hydrologin och kantzonens utseende påverkar musslans rekrytering. / The freshwater pearl mussel (Margaritana margaritifera) is a highly endangered mussel that depends on trout (Salmo trutta) for its larval development. The mussels are negatively affected by the current use of watercourses and surrounding land as they have high demands on their surroundings. This study looks at how bottom substrates, access to host fish habitats and the composition of ecotone affect mussel recruitment. For this biotope mapping was used, which was related to the mussel's recruitment. The results showed that the high prevalence of sites for host fish, flowing water and the shrub layer on land was positive for the recruitment of freshwater pearl mussels. It turned out, however, that there was no difference in the composition of the bottom substrate or in the number of ditches between watercourses with and without recruitment. The conclusion of this study is that in-depth studies on a smaller scale and in aquarium experiments are needed with a focus on how the host fish's habitat, hydrology and the appearance of the edge zone affect the mussel's recruitment.

Konsumtionen av video på Internet har ökat det senaste decenniet och trenden är förväntad att fortsätta stiga. Strömmande video är en ofta använd lösning för att se video på Internet. Tekniken tillåter användaren att se film medan den laddas ned. Adaptive streaming är en teknik som låter videospelaren ändra bit-raten på videon baserat på användarens tillgängliga bandbredd. En annan lösning för att göra användarens upplevelse mer skräddarsydd är ickelinjära videor. Den här typen av videor kan spelas ur sekvens. Som exempel kan en tittare välja slutet i en film eller välja vägen genom en utställning. Examensarbetet presenterar designen och implementeringen av en ny struktur för ickelinjär video. Denna struktur används av videospelaren för nedladdning och visning av adaptiv video avsedd för ickelinjära filmer, som sparas på en server. Mediaskapare kommer också att ha lättare att både visualisera och skapa filmer på ett enhetligt sätt. Det här examensarbetet presenterar i detalj de modifikationer på Adobes Open Source Media Framework och Strobe Media Playback som tillåter spelning av ickelinjära videor. Ändringarna innefattar ett användargränssnitt för ickelinjär media. Back-end implementeringarna innefattar bufferthantering för parallell nedladdning och tekniker för att hantera den nya strukturen. Slutligen presenterar det här examensarbetet proof-of-concept-tester för att styrka funktionaliteten av designen och implementeringen. Rapporten avslutas med en diskussion om framtida arbete inom fältet. / Video consumption on the Internet has been growing over the last decade and is expected to continue to increase. Video streaming is a widely used approach to viewing video on the Internet, which allows users to watch the video while it is being downloaded. Adaptive streaming is a video streaming technique that allows the player to change the downloading video’s bit rate depending on the user’s available bandwidth. Another approach to a more personal viewing experience is non-linear videos. These videos can be played in a non-sequential order. For example, a viewer can be given the choice of what ending to watch in a movie, or the path through an exhibition. This thesis will present the design and implementation of a novel structure for non-linear video. This structure is used by a video player for downloading and viewing an adaptive video intended for non-linear viewing, stored at some server. Media creators will also have an easier time to both visualize and create uniform video experiences. This thesis presents modifications to Adobe’s Open Source Media Framework and Strobe Media Playback which allow playing non-linear video. Presented in this thesis are the design and implementation details. Changes in the player include a user interface for non-linear media. The changes to the back-end include buffer management for parallel downloading and techniques to handle the new structure. Finally, this thesis presents proof-of-concept validation tests that show the functionality of the design and implementation. The thesis is concluded with a discussion of future work in this area.

Speech recognition is the task where a machine processes human speech into a written format. Groundbreaking scientific progress within speech recognition has been fueled by recent advancements in deep learning research, improving both key metrics of the task; accuracy and speed. Traditional speech recognition systems listen to, and analyse, the full speech utterance before making an output prediction. Streaming speech recognition on the other hand makes predictions in real- time, word by word, as speech is received. However, the improved speed of streaming speech recognition comes at a cost of reduced accuracy given the constraint of not having access to the full speech utterance at all time. In this thesis, we investigate the accuracy of streaming speech recognition systems by implementing models with state-of-the-art Transformer-based architectures. Our results show that for two similar models, one streaming, the other non-streaming, trained on a 100hr subset of Libirspeech, achieve a word error rate of 9.99%/10.76% on test- clean without using a language model. This puts the cost of streaming at a 7.2% accuracy degradation. Furthermore, the streaming models can be used “on-device” which has many benefits, including lower inference time, privacy preservation, and the ability to operate without an internet connection. / Taligenkänning är uppgiften där en dator bearbetar mänskligt tal till ett skrivet format. Forskning inom taligenkänning har drivits av de senaste framstegen inom forskning i djupinlärning, vilket har lett till att de två viktigaste mätvärdena, träffsäkerhet och hastighet, har förbättrats. Traditionella taligenkänningssystem lyssnar till och analyserar hela talsekvensen innan en prediktion görs. Strömmande taligenkänning å andra sidan gör realtids prediktioner, ord för ord, när tal tas emot. Den ökade hastigheten som strömmande taligenkänning medför kommer på bekostnad av träffsäkerhet då tillgången till hela talsekvensen inte alltid är tillgänglig. I den här avhandlingen undersöker vi träffsäkerhet av strömmande taligenkänningssystem genom att implementera ”Transformer”- baserade arkitekturer. Våra resultat visar att för två liknande modeller, en strömmande, och en icke- strömmande, tränade på 100 timmar av datasetet Librispeech, når en ordfelfrekvens på 9.99%/10.76% på ”test-clean”. Det gör att strömmande taligenkänning kommer på en bekostnad av 7.2% träffsäkerhet jämfört med icke- strömmande. De strömmande taligenkänningsmodellerna kan användas ”on-device” vilket främjar lägre slutledningstider, sekretessbevarande och förmågan att fungera utan internetanslutning.