Netflix/vmaf

解决的问题

VMAF (Video Multi-Method Assessment Fusion) 解决了准确衡量人类感知视频质量的难题。与可能与人类视觉不符的传统数学指标不同，VMAF 提供了一个感知质量评分，帮助开发者评估和优化视频压缩及流媒体性能。

工作原理

该软件使用复杂的算法来分析视频文件，并将其与参考源进行对比。它提供 C 语言库 (libvmaf) 以供集成到软件中，提供 Python 库用于研究和模型训练，并提供命令行工具用于生产环境。它还支持与 FFmpeg 集成，并包含用于检测特定伪影（如通过 CAMBI 检测器检测条带）以及计算其他标准指标（如 PSNR 和 SSIM）的工具。

适用人群

本项目适用于从事视频流、编解码器评估和质量保证的视频工程师、研究人员和开发者，他们需要一种可靠的、行业标准的视频质量衡量和改进方法。

亮点

• 荣获艾美奖的感知视频质量评估算法。
• 支持 HDR 模型和自定义模型训练。
• 提供一系列附加指标，包括 PSNR、SSIM、MS-SSIM 和 CIEDE2000。
• 具备 CAMBI，这是一种专门用于检测条带或轮廓伪影的检测器。
• 部署方式高度灵活，包括 C 语言库、Python 封装、Docker 和 FFmpeg 集成。