Поделиться
Исследователи ВМК МГУ предложили бенчмарк для оценки суперразрешения видео при сжатии
Учёные 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 5 тыс. 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.
Бенчмарк доступен для общественного использования, и исследователи приглашают разработчиков алгоритмов суперразрешения протестировать свои модели.
Короткая ссылка
