Netflix/vmaf
Perceptual video quality assessment based on multi-method fusion.
解决的问题
提供一种客观测量视频视觉质量的方法，帮助开发者和工程师在不完全依赖人工观察的情况下，判断视频因压缩或其他处理导致的质量下降程度。
工作原理
VMAF（Video Multi-Method Assessment Fusion）是一种感知视频质量评估算法。它将多种指标融合为单一评分。该项目提供高性能实现的 C 库（libvmaf）、用于训练和测试自定义模型的 Python 库，以及用于生产部署的命令行工具。此外，还包含 PSNR、SSIM、MS-SSIM 等标准指标，以及用于检测带状伪影的 CAMBI。
适用人群
专为视频工程师、编解码器开发者和质量保证团队设计，尤其适用于需要将这些指标集成到 FFmpeg 或生产流水线中的用户。
主要亮点
- Netflix 开发的获得艾美奖的感知质量算法。
- 包含一个名为 CAMBI 的专用带状伪影检测器。
- 已作为滤镜集成到 FFmpeg 中。
- 提供无增强增益（NEG）模式，确保编解码器评估不会因图像增强操作而产生偏差。
- 采用 x86 SIMD 优化（AVX2、AVX-512）实现高性能。
相关
- 项目
- 项目
- 项目
- 项目
- 项目