Исследователи ВМК МГУ предложили бенчмарк для оценки суперразрешения видео при сжатии
Ученые ВМК МГУ представили новый бенчмарк для тестирования алгоритмов суперразрешения (SR) при сжатии видео. Исследование охватывает 19 популярных SR-моделей и пять современных видеокодеков, таких как H.264, H.265, H.266, AV1 и AVS3. Работа позволяет оценить, какие алгоритмы лучше справляются с восстановлением деталей и снижением артефактов после компрессии. Разработка станет полезной для создания более эффективных методов сжатия видео без потери качества.
Современные технологии передачи видео сталкиваются с проблемой компромисса между качеством изображения и битрейтом. Сжатие видео неизбежно приводит к потере деталей и появлению артефактов, что особенно заметно при низких битрейтах. Суперразрешение (SR) позволяет улучшать изображение, восстанавливая утраченные детали, но далеко не все SR-модели одинаково хорошо справляются с этой задачей.
Чтобы определить, какие алгоритмы наиболее эффективно работают с различными кодеками, исследователи ВМК МГУ провели масштабное тестирование 19 SR-моделей, используя пять видеокодеков. В процессе эксперимента был создан бенчмарк суперразрешения для видео после сжатия, который анализирует качество восстановления изображения, воспринимаемое зрителями, и возможность сокращения битрейта без значительных потерь качества.
Как пояснил Евгений Богатырев, магистрант Лаборатории компьютерной графики и мультимедиа ВМК МГУ, суперразрешение открывает новые возможности для видеосжатия, позволяя уменьшить объём передаваемых данных без заметного ухудшения качества. Однако выбор подходящего метода SR зависит от кодека и уровня компрессии, и исследование помогает определить, какие алгоритмы работают лучше в разных сценариях.
В рамках исследования учёные оценивали SR-модели с точки зрения их способности восстанавливать утраченные детали, устранять артефакты сжатия и сохранять субъективное качество изображения. Также они изучали, насколько можно снизить битрейт при использовании SR в сочетании с конкретными видеокодеками.
Для объективной оценки проводился краудсорсинговый анализ, в котором более 5000 человек сравнивали результаты суперразрешения на реальных видеороликах. Дополнительно использовались метрики качества изображения, такие как PSNR, LPIPS и MDTVSFA, чтобы выявить наиболее точные способы автоматического анализа результатов.
По словам Ивана Молодецких, инженера Лаборатории компьютерной графики и мультимедиа ВМК МГУ, одним из ключевых выводов стало то, что некоторые SR-модели способны снижать битрейт до 65% без значительных потерь в качестве. Это открывает перспективы для их применения в потоковом вещании, видеозвонках и других областях, где важно минимизировать нагрузку на сеть.
Результаты исследования могут быть полезны в разных областях. В индустрии потокового видео, например, в сервисах YouTube, Netflix и Twitch, SR позволяет снизить нагрузку на серверы и улучшить качество трансляций. В мобильных сетях технологии суперразрешения помогают передавать видео с меньшими затратами трафика, сохраняя качество изображения даже при низкой скорости интернета. В системах видеонаблюдения SR может использоваться для восстановления деталей в сжатых видеопотоках, повышая точность аналитики. Киноиндустрия и медиакомпании смогут применять эти алгоритмы для реставрации архивных записей и улучшения качества старых видеоматериалов.
Как отметил Дмитрий Ватолин, старший научный сотрудник Лаборатории компьютерной графики и мультимедиа ВМК МГУ, развитие методов суперразрешения важно не только для стриминговых сервисов, но и для всей индустрии видеотехнологий. Исследование показывает, что комбинация SR и видеокодеков позволяет значительно сократить затраты на хранение и передачу видео без ухудшения качества.
Источник информации: ВМК МГУ имени М.В. Ломоносова
Источник фото: bertholdbrodersen / Pixabay
Разместила: Наталья Сафронова