Представлен новый метод кодирования видеофайлов
По данным Ericsson Mobility Report 2020, видео будет потреблять около 76% глобальной пропускной способности беспроводной сети к 2025 году. В настоящее время доля видео в Интернете составляет 63%. Такая огромная доля обусловлена увеличением продолжительности передаваемого контента и развитием новых форматов высокого разрешения. Огромный объем видеоданных стимулирует создание новых стандартов кодирования видео и новых кодеков, а существующие алгоритмы сжатия становятся все более сложными. Современные видеокодеки имеют в настройках более 50 параметров, что безусловно мешает сделать пользователю оптимальный выбор. При этом полный перебор параметров распространенного кодека x264 на одном видео размером 20 секунд на обычном компьютере займет порядка 1013 веков или более 500 тысяч возрастов Земли. В 99.9% случаев для сжатия видео выбирают стандартные пресеты.
В рамках исследования было проанализировано более 1 млн видео, загруженных пользователями на большинство популярных видеонаборов, предназначенных для разработки и тестирования видеокодеков. Для каждого видео была посчитана пространственная и временная сложность и выяснилось, что большинство видео, предназначенных для тестирования видеокодеков, сильно отличаются от видео, которые передаются в Интернете.
Используя собранный набор видео, ученые предложили метод, который путем многочисленных запусков создает по кодеку его модель методами машинного обучения. Это позволяет в итоге прогнозировать более эффективные конфигурации кодирования для нового входного видео.
Этот метод не зависит от архитектуры и реализации кодека и применим к различным кодекам и стандартам сжатия видео. В результате апробации метод позволил сэкономить битрейт на дополнительные 17.8% для популярного кодека x264 и 7.9% для x265 при том же времени кодирования по сравнению со стандартными пресетами.
Результат исследования - продолжение длительной цепочки совместных проектов, направленных на повышение степени сжатия видео, заинтересовал Intel и Huawei. В качестве значимого промежуточного результата ученые отмечают «Физтех Лекторий» МФТИ, где благодаря тому, что большая часть видео представлено в формате «говорящей головы», удалось получить двукратное сокращение трафика и затрат на хранение данных при одинаковом качестве и затратах времени на сжатие. Новый результат позволяет получить экономию на более широком спектре входных данных.