परीक्षण वीडियो कोडेक। एपिसोड I: द हिडन प्रॉब्लम

क्या आपको वीडियो संपीड़न प्रारूपों ( यह एक ) के विकास के बारे में कहानी याद है?
और कितने कोडेक्स का वर्णन किया गया है जिनसे आप व्यक्तिगत रूप से परिचित हैं? और किन लोगों ने खुद को लिखने की कोशिश की? क्या संपीड़न एल्गोरिदम सबसे प्रभावी हैं?
इन और अन्य मुद्दों को इस लेख में शामिल नहीं किया जाएगा।

भाग शून्य, परिचित

शुभ दोपहर, प्रिय समुदाय!
मेरा नाम एंड्री है, मैं इंटेल के लिए काम करता हूं। कई लेखों में मैं बात करने की योजना बना रहा हूं कि इंटेल® मीडिया एसडीके परियोजना में वीडियो कोडेक्स का परीक्षण करते समय हम किन तरीकों का उपयोग करते हैं।

भाग एक, परिचयात्मक

बहुत समय पहले नहीं, मेरे सहयोगी दिमित्री सेर्किन ने वीडियो कोडेक्स ( आईएसएन से लिंक ) की गुणवत्ता का आकलन करने के बारे में एक लेख लिखा था। वहाँ, उन्होंने संक्षेप में सत्यापन प्रक्रिया का उल्लेख किया। इस लेख का उद्देश्य इस गतिविधि पर कुछ प्रकाश डालना है।

Intel® Media SDK प्रोग्रामर को आधुनिक प्रोसेसर (सैंडी ब्रिज, आइवी ब्रिज) की मल्टीमीडिया क्षमताओं का उपयोग करके डिकोडिंग (H.264 (AVC, MVC), MPEG2, VC1, JPEG / MJPEG), एन्कोडिंग (H.264 (AVC, MVC) करने की क्षमता प्रदान करता है। ), एमपीईजी 2) और कुछ प्रीप्रोसेसिंग ऑपरेशन (जैसे इंटरलेसिंग को हटाते या हटाते हुए)। लेकिन सबसे महत्वपूर्ण बात यह है कि इन सभी क्रियाओं को एक ट्रांसकोडर श्रृंखला बनाने के लिए जोड़ा जा सकता है (मध्यवर्ती चरणों के बिना एक प्रारूप को दूसरे में परिवर्तित करना)। और यह फुल एचडी वीडियो (1920x1080, हाई डेफिनिशन) के हस्तांतरण को गति देगा एक फोन जो समर्थन करता है, उदाहरण के लिए, एसडी रिज़ॉल्यूशन (720x576, मानक परिभाषा) से अधिक नहीं।

और अब इसे सभी को परीक्षण के दृष्टिकोण से देखें: 5 डिकोडर, 3 एनकोडर, एनकोडर, प्रीप्रोसेसिंग ऑपरेशन, और उनके संयोजन के लिए प्लस विकल्प। यह जोड़ना न भूलें कि सभी घटकों के लिए, सामग्री भी महत्वपूर्ण है - वीडियो अनुक्रम का रिज़ॉल्यूशन, एन्कोडेड स्ट्रीम के पैरामीटर (डिकोडर्स के लिए) और वे पैरामीटर जिन्हें हम (एन्कोडर्स के लिए) उपयोग करना चाहते हैं। हमें चेक के लिए कई विकल्प मिलते हैं। एक महान कई। यह वह जगह है जहां उन दिनों सबसे कमजोर मशीनों से सत्यापन के लिए आते हैं जो दिमित्री के बारे में बोलते थे।

हां, एक बात और। पुस्तकालय में दो कार्यान्वयन हैं: एक "लोहा", जो प्रोसेसर की क्षमताओं का उपयोग करता है और दूसरा "सॉफ़्टवेयर", ऐसे मामलों के लिए जब आपके पास लोहे का टुकड़ा नहीं होता है, लेकिन आप पहले से ही अभ्यास करना चाहते हैं। इसलिए, उन सभी गणनाओं को जिन्हें हमने पिछले मामले में गिना था, हम सुरक्षित रूप से दो से गुणा करते हैं। स्वाभाविक रूप से, ऑपरेटिंग सिस्टम अलग-अलग होते हैं: विन 7 (x86 और x64) और जिनके बारे में हम बात नहीं करेंगे;)

भय के पास बड़ी आंखें हैं, लेकिन व्यवसाय करना आवश्यक है। पहले, चलो संभव परीक्षण परिदृश्यों की अराजकता को सुलझाते हैं। सबसे पहले, हम एसडीके घटकों को एक-दूसरे से अलग करते हैं: डिकोडर हैं, एनकोडर हैं और प्रीप्रोसेस ऑपरेशन हैं। अब हम प्रत्येक भाग को अधिकतम सार्थक परीक्षणों के साथ कवर करते हैं। और फिर फिर से हम सब कुछ एक ही पूरे में इकट्ठा करते हैं - ट्रांसकोडर चेन - और परीक्षणों के हिस्से को दोहराते हैं जहां घटकों की बातचीत मायने रखती है (ऐसे परीक्षणों की परिभाषा एक अलग और बहुत मुश्किल काम है)। अब सभी विवरणों पर विचार करें। चलो डिकोडर्स के साथ शुरू करते हैं।

डिकोडर

यहां सब कुछ अपेक्षाकृत सरल है: एन्कोडेड वीडियो अनुक्रमों का एक निश्चित सेट (अनुरूपता सेट) है जिसे हमारे कोडेक कार्यान्वयन को सही ढंग से डिकोड करना चाहिए, क्योंकि हम इसके समर्थन की घोषणा कर रहे हैं। लेकिन कठिनाई यह है कि यह सेट हमेशा बड़ा नहीं होता है, और बहुत अधिक विकल्प हैं जो वास्तविकता में पाए जा सकते हैं।

कुछ भी हमें अपने आप पर कई टेस्ट सीक्वेंस बनाने से नहीं रोक सकता है - हाथ में सही एनकोडर का उपयोग करके

उसी समय, आपको पूरी फिल्म नहीं खेलनी चाहिए।

कार्रवाई में गणितीय प्रेरण

हालांकि यह सुनिश्चित करने के लिए कि डिकोडर 3-10 सेकंड के लिए काम करने में सक्षम है, लेकिन 1.5-3 घंटे भी समझ में आता है।

लेकिन हम मानक के साथ न केवल कोडेक्स के अनुपालन की जांच करते हैं। हमारे पास एक ही एसडीके है! और यह हमें सिस्टम मेमोरी और डी 3 डी दोनों का उपयोग करके डिकोड करने की अनुमति देता है, उदाहरण के लिए। हां, और विभिन्न अतुल्यकालिक का समर्थन किया जाता है।

इस मामले में, यह मल्टीथ्रेडिंग के लिए "दूर का पर्यायवाची" है: कई प्रसंस्करण कार्यों को एक साथ किया जा सकता है (कुछ डिकोड किए गए हैं, कुछ पूर्वप्रक्रमित हैं, और कुछ पहले से ही एन्कोडेड हैं)

पुस्तकालय कार्यान्वयन के विवरण से संबंधित कई अलग-अलग तरीके हैं। और यहां हमें फिर से कई, कई विकल्प मिल रहे हैं।

डिकोडिंग के बाद, हमारे पास एक असम्पीडित वीडियो अनुक्रम है, जो गुणवत्ता के लिए मूल्यांकन करना अच्छा होगा। लेकिन कैसे? वही PSNR (पीक सिग्नल टू शोर अनुपात, विकी )? कम्प्यूटेशनल रूप से भारी SSIM (स्ट्रक्चरल समानता, विकी )?

मैट्रिक्स के बारे में गीतात्मक विषयांतर: प्रत्येक डिकोड किए गए अनुक्रम के लिए व्यक्तिपरक विश्लेषण करना बहुत मुश्किल है - आँखें धुंधली हैं, वे अलग-अलग देखते हैं, और मुझे इतनी आँखें कहाँ मिल सकती हैं? इसलिए, उद्देश्य मैट्रिक्स का उपयोग किया जाता है, अर्थात्। गणित आकर्षित कर रहा है। लेकिन भले ही ये मीट्रिक इतने ज़ोर से नामांकित हों, लेकिन कई बार ऐसा होता है कि मीट्रिक एक बात कहता है और आँखें कुछ और कहती हैं।
SSIM के साथ PSNR के लिए, ये सबसे आम (पढ़ें, सरल और सुविधाजनक) गुणवत्ता वाले मैट्रिक्स हैं जो आपको दो डिकोड किए गए चित्रों के बीच समानता की डिग्री का मूल्यांकन करने की अनुमति देते हैं
खैर, क्या तुलना करने के लिए? मानक किसे माना जाना चाहिए? सौभाग्य से, सभी कोडेक्स समान रूप से गलत नहीं हैं।
हम गणना त्रुटि के बारे में बात कर रहे हैं - गैर-पूर्णांक गणना वाले कोडेक्स शुरू से शुरू करने के लिए अलग-अलग परिणाम दे सकते हैं

इसलिए, उदाहरण के लिए, H.264 \ AVC एक पूर्णांक मानक है, जो किसी भी चीज़ की परवाह किए बिना, अनुक्रम को डिकोड करने के समान परिणाम की गारंटी देता है। यह अद्भुत है! हम एक अनुक्रम डिकोडर के साथ अनुक्रम को डिकोड करते हैं (यदि यह नहीं है, तो हमें एक संदर्भ निर्दिष्ट करना होगा), हम मानते हैं कि यह सही है (इस मामले में हमें अपनी आंखों से पूरी धारा को देखने की जरूरत है), और इसे बचाएं।

पूरे अवर्गीकृत अनुक्रम को स्टोर करना महंगा है - यह बहुत अधिक स्थान लेता है। इसलिए, आप इसके चेकसम की गणना कर सकते हैं, उदाहरण के लिए, सीआरसी 32

अगले रन पर, हम केवल मानक के साथ वर्तमान परिणाम की तुलना करते हैं। संयोग - सब ठीक है, नहीं - हम्म, कुछ गलत हो गया।

यदि मानक पूर्णांक नहीं है, तो प्रक्रिया थोड़ी अधिक जटिल है: हम संदर्भ डिकोडर का चयन करते हैं, और तुलना के लिए हम PSNR मीट्रिक का उपयोग करते हैं ताकि यह आकलन किया जा सके कि सब कुछ कितना अच्छा (या बुरा) है। जब डिकोडर को स्थिर किया जाता है, तो ऊपर वर्णित प्रक्रिया को दोहराएं।

क्योंकि अगर आउटपुट थोड़ा अलग हो जाता है, तो डिकोडर में कुछ बदल गया है, फिर। और यह एक समस्या हो सकती है :)

बस इतना ही, हमने डिकोडर्स को खत्म कर दिया।