Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >更高效直观,腾讯云媒体处理MPS视频评测系统帮助企业精准权衡性能成本

更高效直观,腾讯云媒体处理MPS视频评测系统帮助企业精准权衡性能成本

作者头像
腾讯云音视频
发布于 2024-07-15 00:59:37
发布于 2024-07-15 00:59:37
18400
代码可运行
举报
文章被收录于专栏:音视频咖音视频咖
运行总次数:0
代码可运行
在点播、直播等多媒体业务中,原始的视频文件在被分发前通常会被转码压缩,以降低对网络带宽的占用,并适应终端用户的硬件处理(解码)能力。由于转码参数设置的不同,转码后视频的编码格式、分辨率、码率等属性通常会发生改变。转码后视频的质量关系到用户的体验,并且不同转码方式对原始视频的压缩程度、对算力资源的消耗也不相同。对平台企业来说,能否客观有效地评测视频质量,并以此为基准调整各项参数实现性能、体验和成本的平衡,非常重要。本文会详细介绍当前常见的视频评测指标及方法,并讲解如何使用腾讯云媒体处理MPS新推出的视频评测系统,来更为快速有效地实现视频质量评测。

以原始视频为参考,将转码后的视频与原始视频进行对比是评价视频质量的一类方法,这类方法属于视频质量评测中的全参考方法,精确性较高。一段视频由大量的视频帧组成,如果原始视频和转码后视频的每一帧都是同步的,可以从两个视频中各取对应的一帧,对这两帧进行比较,使用一些算法去统计、评估两个视频的差异,进而得到一些客观上的指标。目前常见的全参考评测指标有峰值信噪比(Peak signal-to-noise ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、视频多方法评估融合(Video Multimethod Assessment Fusion,VMAF) 等,一些开源的媒体处理库(如 FFmpeg)提供了这些指标的计算方式。

从单个评测指标中可以看出转码后的视频与原始视频之间的质量差异,为评估不同转码方式(编码器)之间的差异,需要知道编码器输出的流在不同码率下的质量。可以使用每个编码器对原始视频转码多次,输出多路不同码率的转码视频,计算这些转码视频的评分,然后以码率为横轴、评分为纵轴绘制一组RD(Rate Distortion)曲线。如下图所示,以横轴为基准,可以看出相同码率下哪个编码器编码出的视频评分较高,有更好的质量;以纵轴为基准,可以看出相同评分下哪种编码器编码出的视频码率更低、更能节省网络带宽。VCEG-M33 提出了一种衡量两种编码器差异的指标 BD-Rate,可以评估两种编码器在编码两路相同质量的流时,两路流在码率上的差异。

RD曲线

常见评测指标及方式

PSNR

峰值信噪比 PSNR 是衡量图像失真的指标,其值越大,通常表明视频中图像的质量越好。其计算方式和意义可参考:https://zh.wikipedia.org/wiki/峰值信噪比。

FFmpeg 提供了psnr filter(https://ffmpeg.org/ffmpeg-filters.html#psnr)来计算两个视频之间的 PSNR,以一个对比视频(如由原始视频转码后得到)和一个原始视频作为输入。两个视频的视频帧在输入到 filter 前必须有相同的分辨率和像素格式,同时也假定两个视频有相同的帧数。示例如下:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 相同分辨率的编码视频
ffmpeg -i transcode_video.mp4 -i video.mp4 -lavfi  "[0:v]settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]psnr=stats_file=psnr.log" -f null -

# 不同分辨率的编码视频(对齐到高分辨率的原视频)
ffmpeg -i transcode_video_720p.mp4 -i video_1080p.mp4 -lavfi  "[0:v]scale=1920x1080,settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]psnr=stats_file=psnr.log" -f null -

# 未编码流(yuv420p)
ffmpeg -video_size 1280x720 -pixel_format yuv420p -i transcode_video.yuv -video_size 1280x720 -pixel_format yuv420p -i video.yuv -lavfi "[0:v]settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]psnr=stats_file=psnr.log" -f null -

SSIM

结构相似度 SSIM 是一种用以衡量两张图像相似程度的指标,其值越大,通常表明视频中的图像质量越好。其计算方式及意义可参考:https://zh.wikipedia.org/wiki/結構相似性。

FFmpeg 提供了ssim filter(https://ffmpeg.org/ffmpeg-filters.html#ssim)来计算两个视频之间的 SSIM,以一个对比视频(如由原始视频转码后得到)和一个原始视频作为输入。两个视频的视频帧在输入到 filter 前必须有相同的分辨率和像素格式,同时也假定两个视频有相同的帧数。示例如下:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 相同分辨率的编码视频
ffmpeg -i transcode_video.mp4 -i video.mp4 -lavfi  "[0:v]settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]ssim=stats_file=ssim.log" -f null -

# 不同分辨率的编码视频(对齐到低分辨率的原视频)
ffmpeg -i transcode_video_720p.mp4 -i video_1080p.mp4 -lavfi  "[0:v]settb=AVTB,setpts=N[main];[1:v]scale=1280x720,settb=AVTB,setpts=N[ref];[main][ref]ssim=stats_file=ssim.log" -f null -

# 编码流与未编码流(rgb)
ffmpeg -i transcode_video_720p.webm -video_size 1280x720 -pixel_format rgb24 -i video.rgb -lavfi "[0:v]settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]ssim=stats_file=ssim.log" -f null -

VMAF

VMAF 是 Netflix 开发的一种视频感知质量融合算法,它结合多个度量指标来对视频质量进行评估,通过机器学习算法将基本指标融合到最终的指标中。其值越大,视频中图像的质量越好。

FFmpeg 提供了libvmaf filter(https://ffmpeg.org/ffmpeg-filters.html#libvmaf-1)来计算两个视频之间的 VMAF,其内部调用了 Netflix 的vmaf库(https://github.com/Netflix/vmaf),以一个对比视频(如由原始视频转码后得到)和一个原始视频作为输入。示例如下:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 相同分辨率的编码视频
ffmpeg -i transcode_video.mp4 -i video.mp4 -lavfi "[0:v]settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]libvmaf=log_fmt=json:log_path=vmaf.json:n_threads=8" -f null -

# 不同分辨率的编码视频(对齐到高分辨率的原视频)
ffmpeg -i transcode_video_720p.mp4 -i video_1080p.mp4 -lavfi "[0:v]]scale=1920x1080,settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]libvmaf=log_fmt=json:log_path=vmaf.json:n_threads=8" -f null -

# 未编码流(yuv420p)
ffmpeg -video_size 1920x1080 -pixel_format yuv420p -i transcode_video.yuv -video_size 1920x1080 -pixel_format yuv420p -i video.yuv -lavfi "[0:v]settb=AVTB,setpts=N[main];[1:v]settb=AVTB,setpts=N[ref];[main][ref]libvmaf=log_fmt=json:log_path=vmaf.json:n_threads=8" -f null -

BD-Rate

BD-Rate 全称 Bjontegaard-Delta rate,用于评测不同编码器的 RD(Rate Distortion) 性能。其计算方式如下:

  1. 给定两个编码器 { E1, E2 } 和一个输入视频,以不同的目标码率 {a, b, c, d} 对输入视频进行转码,得到码率为 {a1, b1, c1, d1} 和 {a2, b2, c2, d2} 的两组视频。计算每个视频的 PSNR 评分,如下表所示:

Bitrate-PSNR表格

  1. 以评分为横轴、取对数后的码率为纵轴,进行三次多项式拟合或分段三次 Hermite 插值,得到两条曲线 C1、C2;
  2. 取评分区间 [pa1, pd1] 和 [pa2, pd2] 的交集 [p1, p2],计算 C1、C2 在 [p1, p2] 下的积分,得到积分值 i1、i2;
  3. 计算 BD-Rate:bdrate(E1, E2) = [exp[(i2-i1) / (p2-p1)] - 1] * 100。

若 BD-Rate 值为 -N%(N 是非负值),说明当编码出的流质量相同时,编码器 E2 相对编码器 E1 能节省 N% 的码率;若BD-Rate 值为 +N%,说明为编码出相同质量的流,编码器 E2 需要增加 N% 的码率。

开源方案的局限

及腾讯云给出的解决方案

使用 FFmpeg 命令行的方式对视频进行评测存在一些不便和问题:

  1. 不支持两个以上的批量评测,FFmpeg 的评测 filter 只支持两个输入视频,如果有一个原始视频和多个对比视频,每次评测时原始视频都需要被解码一次;
  2. 不支持评测视频中的某个时间区间,如果用户希望只评测视频中的某个时间区间,需要先截取该片段,然后才能进行评测;
  3. 不支持评测视频中的某个帧区间,如果用户希望只评测视频中的某个帧区间,也需要先截取该片段,然后才能进行评测;
  4. 只支持评测视频文件,不支持直播流,多路直播流的播放时间可能不完全同步,评测时从这些流中获得的第一帧不一定是对齐的。

下面介绍一下可以处理上述问题的方案。

多个视频并行评测

假设输入有 1 个原始视频和 N 个对比视频,并行评测的流程如下:

  1. 根据输入视频的属性初始化 N 个 filter {f1, f2, ..., fN};
  2. 同时解码 1+N 个视频,得到 1+N 个视频帧 {r, m1, m2, ..., mN},写入到 1+N 个帧缓存队列中,其中 r 是参考视频帧,mK 为第 K 个对比视频帧;
  3. 从 1+N 个队列中各读取一帧,将参考视频帧 r 与对比视频帧 {m1, m2, ..., mN} 两两结合,得到视频帧对 {r, m1}、{r,m2}、... 、{r,mN};
  4. 将第 3 步中的 N 个视频帧对同时输入到 N 个 filter {f1, f2, ..., fN} 中,计算当前 N 个帧的评分;
  5. 重复执行第 2 步,直到视频解码结束;
  6. 汇总各个视频的评测结果。

并行评测

在并行评测过程中,每个视频只被解码了一次,充分利用了 CPU 的多核能力,减小了评测时间,提高了评测效率。在并行评测之前需要评估其对内存资源的消耗,如果并行评测的视频数量过多,并且视频的分辨率、码率较高(如 8K 视频),可能会存在内存溢出的问题。

指定时间区间评测

假设视频时长为 T 秒,指定的时间区间为 [t1, t2],评测流程如下:

  1. 定位最接近 t1 的关键帧 k,丢弃该关键帧前的 GOP;
  2. 从 k 开始解码,计算当前帧的时间戳 t(由视频流的 timebase 和帧的 pts 计算得到);
  3. 若 t < t1,丢弃当前帧,继续解码;若 t > t2 或 t > T,解码结束,执行第 5 步;若 t >= t1,执行下一步;
  4. 将当前帧写入帧缓存队列,从队列中读取一个帧对,输入到 filter 中计算评分;
  5. 汇总评测结果。

指定时间区间评测

指定帧区间评测

假设指定的帧区间为 [f1, f2],评测流程如下:

  1. 定位最接近 f1 的关键帧 k,丢弃该关键帧前的 GOP;
  2. 解码视频获取视频帧,统计当前帧的序号 f;
  3. 若 f < f1,丢弃当前帧,执行第 1 步,继续解码;若 f > f2 或视频解码结束,执行第 4 步;若 f >= f1,执行下一步;
  4. 将当前帧写入帧缓存队列,从队列中读取一个帧对,输入到 filter 中计算评分;
  5. 汇总评测结果。

指定帧区间评测

直播流首帧对齐

如前所述,视频评测的过程是逐帧评分的过程,如果输入的两个视频帧之间没有对应关系,那么评测的结果是没有意义的。对于 HLS/DASH 这类自适应码率的流,分片之间通常是对齐的,保证了帧的同步;对于其它类型的直播流,它们的第一帧可能并不同步,一路流的第一帧可能要早于或晚于另一路流的第一帧,因此需要在评测前对两路流进行分析,找出它们匹配的起始帧,然后从起始帧开始进行评测。

为对齐评测的起始帧,一种方案是从两路流的开头各取一小段视频,将视频再划分成多个小片段,比较这些片段之间的相似性,两个片段的相似性越高,它们互相匹配的可能性就越大。可以基于 PSNR/SSIM/VMAF 等评测指标来做相似性评价,基于指定帧区间评测的能力去计算两个视频片段的评分。

假设有一路源流 S 和 一路转码流 T,从两者中各读取一定时长的片段 s1 和 t1,s1 和 t1 中一定有可以对齐的两帧(即存在两种情况:s1 的第一帧能与 t1 中的某一帧对齐;t1 的第一帧能与 s1 中的某一帧对齐)。流程如下:

  1. 取 t1 的前 n 帧(如 n = 10),依次与 s1 的第 [1, n]、[2, n+1]、... 、[m, m+n-1] 帧进行评测,获取 m 个评分(如 m = 100),记录最大分值 x 和最大分值对应的帧序号 xi;
  2. 取 s1 的前 n 帧(如 n = 10),依次与 t1 的第 [1, n]、[2, n+1]、... 、[m, m+n-1] 帧进行评测,获取 m 个评分(如 m = 100),记录最大分值 y 和最大分值对应的帧序号 yi;
  3. 若 x >= y,则评测的起始帧为 s1 的第 xi 帧和 t1 的第一帧;若 x < y,则评测的起始帧为s1 的第一帧和 t1 的第 yi 帧 。

评测首帧对齐

评测直播流的一种方案是将其转封装成点播流,然后对点播流进行评测,但需要评估这个过程引入的延时。

MPS视频评测系统

为降低视频评测的使用门槛,提高评测效率,直观展示评测结果,腾讯云媒体处理服务 MPS 上线了视频评测系统。您可前往媒体处理控制台,在【更多服务】中选择【转码评测】,使用相关功能。系统目前提供两种评测功能:视频质量评测和 BD-Rate 评测,可以客观的评估视频质量和不同编码器之间的差异,即将上线直播流转码质量监控。

视频质量评测

视频质量评测用于计算多个视频(一个原始视频和多个对比视频)的 PSNR、SSIM、VMAF 等评分。

用户可以以腾讯云存储 COS、URL 的方式输入原始视频,以腾讯云存储 COS 、 URL、MPS 转码模版的方式输入或创建对比视频。以 MPS 转码模版为输入时,评测系统将先对原始视频进行转码,然后对转码后的视频进行评测。

用户可以自定义评测的时间范围或帧数范围;若输入视频的分辨率不一致,可以选择将评测时的分辨率对齐到高分辨率视频或低分辨率视频。

系统会对输入视频进行评分,获取整体分数和逐帧分数,绘制时间/帧数-分数曲线图,并截取视频中得分最低(质量最差的)若干张视频帧,生成评测报告。用户可以在评测详情页查看评测结果,导出 PDF 格式的评测报告。

系统还支持对输入的多个视频进行同屏对比,在同一页面下同时播放多个输入视频,展示视频帧的分数随时间的变化。

具体用法可参考文档:

https://cloud.tencent.com/document/product/862/103989

BD-Rate评测

BD-Rate 评测用于评估编码器之间的差异。

用户可以以腾讯云存储 COS、URL 的方式输入原始视频,以腾讯云存储 COS、URL、MPS 转码模版的方式输入或创建对比视频。以 MPS 转码模版为输入时,可以选择以指定码率或 CRF 的方式进行转码。用户可以自定义评测的时间范围或帧数范围;若输入视频的分辨率不一致,可以选择将评测时的分辨率对齐到高分辨率视频或低分辨率视频。

系统会对输入视频进行评分,获取每个视频的码率及整体分数,绘制 RD 曲线,展示不同编码方式下码率与评分的关系;计算 BD-Rate,评估不同编码器之间的差异,生成评测报告。用户可以在评测详情页查看评测结果,导出 PDF 格式的评测报告。

RD曲线示例

BD-Rate示例

系统还支持对输入的多个视频进行同屏对比,在同一页面下同时播放多个输入视频,展示视频帧的分数随时间的变化。

具体用法可参考文档:

https://cloud.tencent.com/document/product/862/103990

直播流转码质量监控

直播流转码质量监控用于对转码流的视频帧进行评分,监控流的质量和码率变化,后续腾讯云媒体处理MPS视频测评系统将会上线这项能力。

当前转码评测功能正在内测中,限时免费试用。您可前往【媒体处理控制台】→【更多服务】→【转码评测】中,体验相关功能。

如果您想要进一步了解或使用腾讯云相关能力,欢迎扫描下方二维码添加音视频小姐姐微信,我们将安排产研同学专门跟进您的需求。

腾讯云音视频在音视频领域已有超过21年的技术积累,持续支持国内90%的音视频客户实现云上创新,独家具备腾讯云RT-ONE™全球网络,在此基础上,构建了业界最完整的 PaaS 产品家族,并通过腾讯云视立方 RT-Cube™ 提供All in One 的终端SDK,助力客户一键获取众多腾讯云音视频能力。腾讯云音视频为全真互联时代,提供坚实的数字化助力。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-07-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 腾讯云音视频 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
腾讯V265编码器:给用户以完备的265体验
大家好,我是张贤国,毕业后长期从事于视频编码标准制定(HEVC、VVC),以及视频编码器(H.265)研发工作,2017年加入腾讯,主要负责视频编码研发相关工作。本次分享将重点介绍V265编码器的业务体验优化,包括码率控制优化以及业务适配相关的优化。主要内容可以分为三个部分,首先简单介绍V265的最新情况,然后重点讲解V265在码率控制方面所做的一些优化,最后会介绍V265编码器在业务落地过程中遇到的一些问题与解决方案。
LiveVideoStack
2019/09/17
4.7K0
腾讯V265编码器:给用户以完备的265体验
透过 Top 500 美拍短视频看 AV1 性能
AV1 以其出色的压缩性能,无疑是自 2017 年以来备受关注的新生代视频编码标准。业界也相继对 AV1 进行了一些评测工作,如 Facebook、Netflix 对它的编码复杂度也从早期的 VP9 的近千倍降到了百倍。为了验证 AV1 在短视频上的性能,美图音视频团队自 2018 年 11 月,基于 Top 500 美拍短视频进行了一次全面的 AV1 性能评估,对标编码器采用在实际生成环境中使用的主流视频编码器 x264、x265、VP9。
LiveVideoStack
2019/07/01
1.2K0
透过 Top 500 美拍短视频看 AV1 性能
精致前处理,精准码控 — 极致视觉效果
大家好,我是来自腾讯视频的汪亮,主要负责腾讯视频业务的视频编解码,以及图像前处理的工作。今天的分享内容主要分为两个方面:精准的编码码控和精致的图像前处理。其主要目的是为了使终端用户在看视频时有最好的画质体验。此外,在文后简单介绍了我们的下一步工作方向和内容。
LiveVideoStack
2021/09/01
5730
视频编码质量评价
视频已经成为我们现代生活中不可或缺的元素,众所周知,视频的原始数据量大的惊人,不利于存储和传输!于是乎有了视频编码,不同的编码器,不同的参数,软件与硬件,到底哪一种编码编的好呢?于是乎就有了视频编码质量评价!一起来看看!
视界音你而不同
2021/01/06
2K1
视频编码质量评价
ICIP2020 Facebook 业界研讨会
本文来自ICIP2020,FaceBook的工程师们为我们呈现了这个媒体行业的研讨会,内容包括4个部分,最后是小组讨论环节。
用户1324186
2021/04/14
2790
视频编码标准和FB的提升工作
本文来自Video Scale 2020,演讲者是来自Facebook的研究科学家Ioannis Katsavounidis。演讲题目是视频编码标准和FB的提升工作。演讲分为如下几个部分。
用户1324186
2020/12/28
8790
视频编码标准和FB的提升工作
基于 SVT-AV1 的高效视频点播应用解决方案
SVT-AV1 在 2020年 8月已经被 AOM Sorftware Implementation Working Group (SIWG) 采用为参考软件,并且已经开源。
用户1324186
2021/12/27
1.6K0
基于 SVT-AV1 的高效视频点播应用解决方案
easyVMAF:在自然环境下运行VMAF
原文链接 / https://ottverse.com/vmaf-easyvmaf/
LiveVideoStack
2020/12/16
2.4K0
easyVMAF:在自然环境下运行VMAF
极速高清——给你带来全新的高清视野
很生气!!!我才刚落地,就因游戏界面糊了一下,阻止了我捡枪的步伐,就被不知道从哪蹿出来的家伙给打死了!!!瞬间落地成盒!!!
腾讯云音视频
2018/09/12
3.1K1
极速高清——给你带来全新的高清视野
SLC及MSU结果揭晓:腾讯云-媒体处理MPS产品全面领先
近期备受媒体处理界瞩目的两大评测结果出炉,以腾讯明眸为技术底座的腾讯云-媒体处理MPS在所参加的评测中,均取得了优异的成绩。其中7月7日Streaming Learning Center 发布的云厂商最新H.264 Per-title编码评测报告中,腾讯云-媒体处理MPS在所参评的三个大项中获得全部最优(Excellent);在5月25日最新发布的MSU云端转码评测中,腾讯云-媒体处理MPS在所参加的全部赛道(客观、主观、质量/成本 )所有比赛中(H.264、H.265、AV1)获得多项第一;值得一提的是,
腾讯云音视频
2022/07/26
1.1K0
SLC及MSU结果揭晓:腾讯云-媒体处理MPS产品全面领先
衡量视频质量有哪些指标和工具?
https://www.streamingmedia.com/Articles/Editorial/Featured-Articles/Buyers-Guide-to-Video-Quality-Metrics-130675.aspx
LiveVideoStack
2019/07/01
9.3K0
衡量视频质量有哪些指标和工具?
视频编码器评测 - 客观评价指标
峰值信噪比 (PSNR) 表示信号最大功率与影响精度的噪声功率的比值,单位为分贝 (dB) 。一般用的最多,缺点有时候分数与人眼观感差距较大,因为 PSNR 没有考虑亮度、结构等信息对于视频质量的影响,故后续也出现了 HDR-PSNR 等方法。
不会跳舞的鸟
2022/11/16
1.2K0
视频编码器评测 - 客观评价指标
FFmpeg 学习
ffmpeg 为了保证数据的精度与完整性,有一个 AVRational 数据类型,就是一个有理数(分数)
不会跳舞的鸟
2022/11/16
8120
【视频编码】 Content Aware ABR技术(二)
上次我们回顾了Content Aware ABR的使用场景和基本原理,并梳理了Netflix的per-title和per-chunk技术相关研究进展。本文将主要介绍YouTube关于ABR的一些研究进
用户1324186
2018/03/06
2.2K0
【视频编码】 Content Aware ABR技术(二)
2021年MSU世界视频编码器大赛结果公布,腾讯H.266/VVC编码器首次参赛崭露头角
摘要 2021年10月30日,2021年MSU世界视频编码器大赛FullHD客观结果正式揭晓。由腾讯自主研发的支持最新国际视频编解码标准H.266/VVC的Tencent266编码器在竞争最激烈的高清离线赛道中取得Y-VMAF(v0.6.3、v0.6.2、v0.6.1)、Y-VMAF-NEG(v0.6.1)、Y-PSNR第一名的好成绩。MSU编码器大赛是视频编码领域的重要赛事,近年来在业界的影响力越来越大。Tencent266在MSU比赛中取得好成绩,是腾讯在国际视频编解码标准制定领域跻身世界前列后,
腾讯多媒体实验室
2021/11/22
1.8K0
实战 NVENC 快速编码存档视频
使用显卡进行视频编码加速其实并不是什么新鲜技术,早在2011年 Intel 就在处理器中增加了名为 Quick Sync 的硬件编码单元用以加速视频处理。而 Nvidia 这边利用 CUDA 核心的通用计算能力进行视频编码加速时间还要更早一些。但彼时受限于技术水平和编码规范本身,显卡硬编码除了速度之外优势似乎并不明显。对于低码率区间,硬件编码的画质更是可以用惨不忍睹来形容。
reizhi
2022/09/26
1.4K0
实战 NVENC 快速编码存档视频
VMAF:未毕之旅
大家好,我是来自Netflix视频算法组的李智,本次将主要为大家分享我们针对VMAF的探索历程,包括VMAP的简史、基本原理和我们近期的一些工作。
LiveVideoStack
2019/10/23
2.1K0
VMAF:未毕之旅
Shopee 视频处理技术后台应用
 点击上方“LiveVideoStack”关注我们 ▲扫描图中二维码或点击阅读原文▲ 了解音视频技术大会更多信息 目录 1. 背景 2. Shopee 视频技术落地产品 3. Shopee 视频相关后台服务     3.1 直播/点播转码     3.2 直播连麦     3.3 多人会议混流     3.4 视频后台编辑 4. 高清低码     4.1 视频处理的一般流程     4.2 Shopee 高清低码优化方案 5. 性能优化     5.1 编码器端上优化     5.2 一入多出编码 东
LiveVideoStack
2023/04/04
5820
Shopee 视频处理技术后台应用
Facebook:AV1比x264和libvpx-VP9提升至少30%
改进视频压缩对于更敏捷、更高质量地传输视频文件非常重要,同时使用更少的带宽和存储空间。从4K流媒体传输到智能手机的视频聊天及笔记本电脑的屏幕共享一切都可以通过更强质量更小的压缩编码视频。
LiveVideoStack
2021/09/01
7460
探究一下iSize的编码预处理魔法!
原标题:Review: iSize BitSave Video Preprocessing
用户1324186
2020/04/02
1.2K0
相关推荐
腾讯V265编码器:给用户以完备的265体验
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验