Netflix/vmaf
Perceptual video quality assessment based on multi-method fusion.
解決的問題
提供一種客觀衡量視覺影片品質的方法，協助開發者與工程師在不完全依賴人為觀察的情況下，判斷影片因壓縮或其他處理所導致的品質下降程度。
工作原理
VMAF（Video Multi-Method Assessment Fusion）是一種感知式影片品質評估演算法。它將多項指標融合為單一分數。本專案提供高效率實作的 C 庫（libvmaf）、用於訓練與測試自訂模型的 Python 庫，以及用於生產部署的命令列工具。此外，也包含 PSNR、SSIM、MS-SSIM 等標準指標，以及用於偵測條紋偽影的 CAMBI。
適用對象
專為影片工程師、編解碼器開發者與品質保證團隊設計，特別適合需要將這些指標整合至 FFmpeg 或生產流程中的使用者。
主要亮點
- Netflix 開發的獲艾美獎感知品質演算法。
- 包含專用的條紋偽影偵測器 CAMBI。
- 已作為濾鏡整合至 FFmpeg 中。
- 提供無增強增益（NEG）模式，確保編解碼器評估不會因影像增強操作而產生偏差。
- 採用 x86 SIMD 優化（AVX2、AVX-512）實現高效率。
相關
- 專案
- 專案
- 專案
- 專案
- 專案