作者:杨洋,阿里云技术专家,从事直播相关媒体处理引擎开发 背景 图像质量的衡量是个老问题,对此人们提出过很多简单可行的解决方案.例如均方误差(Mean-squared-error,MSE).峰值信噪比(Peak-signal-to-noise-ratio,PSNR)以及结构相似性指数(Structural Similarity Index,SSIM),这些指标最初都是被用于衡量图像质量的,随后被扩展到视频领域. 这些指标通常会用在循环用在编码内部,可用于对编码决策进行优化并估算最终编码后视频的质

如何确定一个视频质量的好坏一直以来都是个棘手的问题.目前常用的方法就是通过人眼来直接观看,但是由于人眼的主观性及观看人员的单体差异性,对于同样的视频质量,不同的人的感受是不一样的.为此多个研究机构提出了视频质量客观测试方法,即利用机器或程序来评价视频质量的方法.本文正是要介绍一下其中的一种方法:VQM,并且总结了一些有关VQM视频质量评价方法的资料.VQM方法给出的客观分数比较符合主观感受,属于比较好的一种质量评价算法. 各种视频质量评价方法对比: 目前最常见的客观测试标准是PSNR(峰值信噪比

转载处:http://blog.csdn.NET/leixiaohua1020/article/details/11694369 最常用的全参考视频质量评价方法有以下2种: PSNR(峰值信噪比):用得最多,但是其值不能很好地反映人眼主观感受.一般取值范围:20-40.值越大,视频质量越好. SSIM(结构相似性):计算稍复杂,其值可以较好地反映人眼主观感受.一般取值范围:0-1.值越大,视频质量越好. PSNR,SSIM计算有如下工具可选: MSU Video Quality Measurem

MSU Perceptual Video Quality tool是莫斯科国立大学(Moscow State University)的Graphics and Media Lab制作的一款视频主观评价工具.使用起来比較方便.近期这段时间赶上毕设须要大量的主观评价试验.使用了一阵子这个软件.感觉还是挺方便的.记录一下它的用法. 软件地址:http://www.compression.ru/video/quality_measure/perceptual_video_quality_tool_en.

MSU Video Quality Measurement Tool(msu vqmt)是莫斯科国立大学(Moscow State University)的Graphics and Media Lab制作的一款客观视频质量评价程序.它提供了多种全参考视频质量评价方法(对比两个视频)和无参考视频质量评价方法(分析一个视频). 软件地址:http://www.compression.ru/video/quality_measure/video_measurement_tool_en.html 软件工

阿里云视频云直播转码每天都会处理大量的不同场景.不同编码格式的直播流.为了保证高画质,团队借助VMAF标准来对每路转码的效果做质量评估,然后进行反馈.调优.迭代.这么做的原因在于,像动作片.纪录片.动画片.体育赛事这些场景,影响画质的因素各不相同,基于VMAF的视频质量反馈机制,可以在保证画质的前提下,对不同的场景做针对性优化,达到画质最优.成本最低的效果.本文由阿里云视频云高级开发工程师杨洋撰写,旨在分享VMAF的核心模块与技术实践. 背景 图像质量的衡量是个老问题,对此人们提出过很多简单可行

本文记录一种无参考视频质量评价算法.这是我们自己实验室前两年一个师姐做的,算法还是比较准确的,在此记录一下. 注意本算法前提是高清视频.而且是H.264编码方式. 该方法主要使用两个码流里面的参数进行质量评价:量化因子(QP)和跳过宏块数(skip_num). 使用了四个序列作为测试序列:spray,running,dunk,flower. 下图显示了QP和MOS(主观评价平均意见分)之间的关系.可见因为内容不同,不同序列同等QP下的MOS值不尽相同.但是趋势是差不多的:随着QP的升高,MOS降

俄罗斯的MSU Graphics & Media Lab (Video Group)出品的3D视频的质量评价报告.测试了一些3D视频的质量,其测试方法值得我们参考.在此翻译一下部分文字. 注:这是其第4个3D视频的质量评价报告,其实验报告中已经包含了前三次实验的数据,因此我们可以看到数据包含了很多的电影.电影中包含了2D转3D的电影(比如说<泰坦尼克号>)以及直接3D拍摄的电影(比如说<阿凡达>). 参与测试的3D电影 A Very Harold & Kumar 3

php ffmpeg截取视频第一帧保存为图片的方法 <pre> $xiangmupath = $this->getxiangmupath(); $filename = 'chengshi'; $cmd = 'ffmpeg -i ' . $xiangmupath . '/mp4/' . $filename . '.mp4 -ss 00:00:00 -f image2 ' . $xiangmupath . '/mp4/' . $filename . '.jpg'; shell_exec($c

阿里云视频云的标准与实现团队与香港城市大学联合开发了基于 AI 生成的人脸视频压缩体系,相比于 VVC 标准,两者质量相当时可以取得 40%-65% 的码率节省,旨在用最前沿的技术,普惠视频通话.视频会议.在线教育等重要应用领域. 作者|王钊 .叶琰.王诗淇 审校| 泰一 https://v.youku.com/v_show/id_XNTE0MTQ1MzgxNg==.html 基于 AI 生成的人脸视频压缩 继线上购物.线上支付后,在线教育.在线办公.在线互娱也流行起来,丰富着我们的日常工作生活

有关OTT TV 质量评价方法方面的研究少之又少.国内貌似还几乎没有相关的研究.不过在国外已经找到相关的产品了,翻译了一下产品手册的部分内容,很有参考价值,尤其是其提出的8个指标. 概述 OTT Media Grinder这个设备其实主要是用于测试的.同时其中提供了一些算法进行质量评价.其使用方法如下图所示. 传统的方法已经不再适用 OTT TV是基于HTTP的,而HTTP是基于TCP的.TCP传输数据的时候不会发生丢包. 传统的IPTV等QoS测量方法都注重丢包这类的指标,因而他们的测量方法已

最近买的小主机带的是AMD R5 2400G显卡,支持AMD的插帧技术,Sandeepin肯定要体验一把效果. BlueskyFRC 按照网上的教程配置,似乎2400G显卡驱动里没有AMD Fluid Motion Video选项,去Bluesky Frame Rate Converter官网查,终于找到正确配置方法. http://bluesky23.yukishigure.com/en/bfrc/howto/FluidMotion.html 1 打开Bluesky Frame Rate Co

ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系,它通过将连续变量设定出多个不同的临界值,从而计算出一系列敏感性和特异性,再以敏感性为纵坐标.(1-特异性)为横坐标绘制成曲线,曲线下面积越大,诊断准确性越高.在ROC曲线上,最靠近坐标图左上方的点为敏感性和特异性均较高的临界值. ROC曲线的例子 考虑一个二分问题,即将实例分成正

干货 从API 8开始,新增了一个类: android.media.ThumbnailUtils这个类提供了3个静态方法一个用来获取视频第一帧得到的Bitmap,2个对图片进行缩略处理. public static Bitmap createVideoThumbnail (String filePath, int kind) 第一个参数是视频文件的路径,第二个参数是指定图片的大小,有两种选择Thumbnails.MINI_KIND与Thumbnails.MICRO_KIND. 第一种文档上说大小

由于项目里页面有许多视频资料需要展示给用户查看,因此需要做一个视频列表,原设计是列表显示视频第一帧图,但实际上很多视频第一帧是纯黑底色. 于是想到用js利用canvas截图,最后发现由于浏览器跨域限制,这种方法只能取内部视频的帧图.问题是,现在谁还把大量视频资料放在自己的服务器上呢,那不是找死吗....唉.... 没办法,只能再想招了,最后只能用c#后台逐个视频取对应帧图,然后跟视频路径一起存放到视频数据记录表里的办法. 本文只贴出C#后台取视频的帧图的代码. 首先,需要下载ffmpeg这个专业

本文学习笔记是自己的理解,如有错误的地方,请大家指正批评.共同进步.谢谢! 之前的教学质量评价,仅仅是通过对教学指标的简单处理.如求平均值或人为的给出各指标的权值来加权求和,其评价结果带有非常大主观性.利用BP神经网络建立教学质量评价系统的模型,通过调查分析得到教学评价指标.将其标量化成确定的数据作为其输入,用BP神经网络训练后作为实际输出,将之前得到的教学效果作为期望输出.比較期望输出与实际输出的误差.当误差达到期望的最小值时,觉得训练成功. 训练成功后能够得到比較准确的权值和阈值.用训练成功

一.首先,来介绍一下MediaMetadataRetriever类,此类位于android.media包下,这里,先附上可查看此类的API地址:MediaMetadataRetriever类.大家能够自行查看. 1.MediaMetadataRetriever类概述:MediaMetadataRetriever class provides a unified interface for retrieving frame and meta data from an input media fil

从API 8开始,新增了一个类: android.media.ThumbnailUtils这个类提供了3个静态方法一个用来获取视频第一帧得到的Bitmap,2个对图片进行缩略处理. ? 1 public static Bitmap createVideoThumbnail (String filePath, int kind) 第一个参数是视频文件的路径,第二个参数是指定图片的大小,有两种选择Thumbnails.MINI_KIND与Thumbnails.MICRO_KIND. 第一种文档上说大

对于电子行业的小伙伴来说,经常要找PCB板厂打板,总难免遇到跟板厂因PCB上的质量缺陷扯皮的时候,这是就要有一份公认PCB质量可接受性标准作为最终PCB产品的验收标准,即IPC-A-600标准规范. IPC—国际电子工业联接协会(www.IPC.org.cn)是一家全球性非盈利电子行业协会,IPC总部位于美国伊利诺伊州班诺克本,中国总部设在青岛.IPC会员企业遍布在包括设计.印制电路板.电子组装和测试等电子行业产业链的各个环节.作为会员驱动型组织,IPC提供的服务主要有:行业标准.培训认证.市场

自动化回归测试案例评价标准试图定义不同维度来评价自动化案例的优劣,作为后续我们评判讨论测试框架.测试技术和测试案例编写模式的基础.那什么是好的自动化回归测试案例呢?简而言之,就是投资回报率高的案例,因为案例的回报相对稳定,所以,高投资回报率的测试案例的主要特征就是低成本,而这个成本应该是一个测试案例全生命周期的成本: 测试案例全周期成本 = 初始开发成本 + 执行成本*e + 平均错误定位成本*f + 平均重构成本*m 这里: l  初始开发成本是指案例开发.调试和优化的成本,其实它主要由使用的