English
آزمایش VMAF؛ مقایسه انکودر امید با فشرده ساز های برتر دنیا
با گسترش فناوری‌های تصویری و پیشرفت در تولید محتوای دیجیتال، ارزیابی کیفیت ویدیو اهمیت بسیاری پیدا کرده. در دنیایی که کیفیت بصری برای کاربران نقش مهمی ایفا می‌کند، ابزارهای سنجش کیفیت ویدیو نیز تکامل یافته‌اند. در این میان، VMAF (Video Multi-Method Assessment Fusion) یکی از پیشرفته‌ترین و دقیق‌ترین روش‌ها برای ارزیابی کیفیت ویدیو است که توسط شرکت Netflix توسعه یافته است. در این بلاگ، به بررسی دلایل استفاده از VMAF برای ارزیابی کیفیت ویدیوها، شباهت آن به درک انسانی و نتایج آزمایش VMAF برای دستگاه امید خواهیم پرداخت.
عناوین
- چرا از VMAF استفاده می کنیم؟
- VMAF چقدر به درک چشمی انسان نزدیک است؟
- کاربرد های VMAF
- نتایج آزمایش VMAF برای انکودر امید
- نتیجه گیری
چرا از VMAF استفاده می کنیم؟
در گذشته، معیارهای ارزیابی کیفیت ویدیو بیشتر مبتنی بر روش‌های فنی مانند PSNR (Peak Signal-to-Noise Ratio) و SSIM (Structural Similarity Index) بودند. این معیارها بر اساس تحلیل‌های ریاضی و کیفیت سیگنال‌ها عمل می‌کردند و هرچند که در ارزیابی تفاوت‌های سیگنالی موثر بودند، اما همیشه تطابق کاملی با درک انسانی از کیفیت تصویر نداشتند. به عبارت دیگر، ممکن بود ویدیویی که از نظر معیارهای فنی خوب ارزیابی می‌شود، از دیدگاه بیننده همچنان کیفیت پایین‌تری داشته باشد.
در این میان، VMAF به عنوان روشی که با ترکیب چندین معیار مختلف به یک ارزیابی جامع دست می‌یابد، توانسته است جایگاه ویژه‌ای در ارزیابی کیفیت ویدیوها پیدا کند. هدف VMAF، ایجاد مدلی است که بیشترین شباهت را به ادراک بصری انسان داشته باشد. این مدل ترکیبی از تحلیل‌های ریاضی، پردازش تصویر و یادگیری ماشین (Machine learning) بوده که به طور خاص برای ارزیابی کیفیت ویدیو از دیدگاه انسانی طراحی شده است.
VMAF چیست و چه اهمیتی در صنعت رسانه دارد؟
VMAF چقدر به درک چشمی انسان نزدیک است؟
یکی از بزرگترین مزایای استفاده از VMAF، شباهت آن به نحوه درک کیفیت تصویر توسط چشم انسان است. برخلاف روش‌های سنتی که تنها به مقایسه مستقیم پیکسل‌ها می‌پرداختند، VMAF به عوامل دیگری همچون وضوح، رنگ، نویز و ثبات تصاویر توجه می‌کند. این ابزار از مجموعه‌ای از الگوریتم‌ها استفاده می‌کند که نحوه درک مغز انسان از تغییرات کیفیت را شبیه‌سازی می‌کند.
به طور مثال، وقتی شما یک ویدیو با فشرده‌سازی بالا را مشاهده می‌کنید، ممکن است کیفیت آن به دلیل کاهش نرخ بیت (Bitrate) یا استفاده از کدک‌های مختلف پایین‌تر باشد. اما اگر کیفیت به گونه‌ای حفظ شده باشد که تغییرات قابل توجهی برای چشم انسان نامحسوس باشند، VMAF نیز این موضوع را به درستی تشخیص خواهد داد. به همین دلیل است که VMAF توانسته است به عنوان یکی از دقیق‌ترین روش‌ها برای ارزیابی کیفیت ویدیوها شناخته شود.
کاربرد های VMAF
استفاده از VMAF در ارزیابی کیفیت ویدیوها به دلایل مختلفی در صنعت رسانه اهمیت دارد. شرکت‌هایی که در حوزه استریمینگ و پخش زنده فعالیت می‌کنند، نیاز به ابزاری دارند که بتواند کیفیت ویدیوهای آن‌ها را به درستی ارزیابی کند. با استفاده از VMAF، این شرکت‌ها می‌توانند اطمینان حاصل کنند که محتوای آن‌ها با بهترین کیفیت ممکن به دست کاربران می‌رسد.
علاوه بر این، استفاده از VMAF به کاهش هزینه‌ها نیز کمک می‌کند. با داشتن ابزاری که به درستی تفاوت‌های کیفی را تشخیص می‌دهد، شرکت‌ها می‌توانند با استفاده از فشرده‌سازی‌های بهینه‌تر، حجم داده‌های انتقالی را کاهش داده و در عین حال کیفیت مطلوبی را حفظ کنند.
نتایج آزمایش VMAF برای انکودر امید
در این بخش، هدف ما مقایسه کیفیت انکود ویدیوهای فشرده‌سازی شده توسط انکودرهای مختلف از جمله انکودر امید، Harmonic و Ateme است. این آزمایشات بر اساس معیار VMAF انجام شده است که به ما اجازه می‌دهد تا کیفیت نهایی ویدیوهای فشرده‌سازی شده را با دقت بالایی ارزیابی کنیم.
شرایط آزمایش و تنظیمات فنی
آزمایش‌ها با استفاده از نرم‌افزار Elecard Video Quest 2024، نسخه 4.6.80753 انجام شد. تمامی پارامترهای کدگذاری (Encoding) برای انکودرها یکسان در نظر گرفته شد تا نتایج دقیق‌تری به‌دست آید. جزئیات تنظیمات به‌شرح زیر است:
- Bitrate: 5000
- GOP Size: 40
- GOP Structure: IBBBP
- Encoding Level: 4.0
- Encoding Profile: Main
نکته‌ای که در این آزمایش مورد توجه قرار گرفت این بود که انکودر Ateme CM5000 به‌طور اختصاصی روی High Profile تنظیم شد، که باعث شد این انکودر در شرایط بهتری نسبت به دیگر انکودرها عمل کند.
مشخصات و شرایط ضبط ورودی
رزولوشن ورودی مورد استفاده 1080i با نرخ فریم 50 بود. به‌منظور تکرارپذیری آزمایش، تمامی ورودی‌ها با استفاده از HyperDeck شرکت BlackMagic ضبط شدند. خروجی‌ها نیز به‌صورت ts با نرم‌افزار VLC ذخیره گردیدند.
مقایسه چشمی
در مرحله اول، سه انکودر مختلف را با استفاده از سه فایل ویدیویی مجزا آزمایش کردیم. هر انکودر وظیفه فشرده‌سازی این فایل‌ها را بر عهده داشت. پس از اتمام فشرده‌سازی، تصاویر خروجی به شکل زیر کنار هم قرار داده شده‌اند تا بتوان به راحتی تفاوت کیفیت فشرده‌سازی‌ها را مشاهده کرد:
مقایسه عددی VMAF
در جدول زیر، مقادیر عددی VMAF برای هر یک از انکودرها ارائه شده است. این امتیازات در مقیاس ۱۰۰ محاسبه شده‌اند و بیانگر میزان نزدیکی کیفیت ویدیو به درک انسانی هستند:
نتیجه گیری
استفاده از VMAF در ارزیابی کیفیت ویدیوها تحولی بزرگ در صنعت رسانه و فناوری ایجاد کرده است. این ابزار با ترکیب مدل‌های تحلیل بصری، به ما اجازه می‌دهد تا به دقت کیفیت ویدیوها را از دیدگاه کاربران نهایی ارزیابی کنیم. برای شرکت‌هایی که به دنبال ارائه بهترین کیفیت محتوای ویدیویی به مخاطبان خود هستند، استفاده از VMAF نه تنها کیفیت نهایی را بهبود می‌بخشد، بلکه هزینه‌های انتقال داده و پهنای باند را نیز بهینه می‌کند.
با انجام آزمایشات متعدد و مقایسه انکودرهای مختلف، می‌توان به نتایج کاربردی و دقیقی دست یافت که به بهبود عملکرد انکودرها و افزایش رضایت کاربران منجر می‌شود. اگر شما نیز به دنبال افزایش کیفیت ویدیوهای خود هستید، پیشنهاد می‌کنیم از ابزار قدرتمندی مانند VMAF استفاده کنید تا نتایج بهتری در ارائه محتوا به دست آورید.