博客
关于我
AV1编码持续优化
阅读量:269 次
发布时间:2019-02-28

本文共 900 字,大约阅读时间需要 3 分钟。

AV1视频编码技术近年来引发了广泛关注。作为一种新一代视频压缩格式,AV1在编码效率方面展现出显著优势。据最新数据显示,相比HEVC,AV1在相同质量下能实现30%以上的码率节省。然而,其编码复杂度仍然较高,这也是开发者们持续优化的重点。

自2018年底正式提出以来,AV1技术迅速取得进展。2019年4月,FFmpeg社区首次加入了对AV1的支持。视频压缩专家Jan Ozer对AV1进行了深入测试,发现其在极端场景下的表现尤为突出。例如,在480核HP Z840工作站上编码Tears of Steel 1080p源素材,使用默认的速度预设需要23小时46分钟,而在"veryslow"预设下,x265需要仅3分钟,VP9仅需2分钟,H.264则仅需10秒。这些数据充分说明了AV1在编码速度上的巨大差距。

从码率效率来看,AV1在PSNA和VMAF质量指标下表现尤为优异。在相同质量下,其码率节省达36.58%。这一结果远超HEVC,彰显了AV1的潜力。

此外,Google的Zoe Liu在2018年WebRTCon分享了更多实践经验。在832*480 8bit画质下的速度0(veryslow)预设下,AV1的编码时间是VP9的59倍。到2019年8月,AV1在速度0和速度3预设下的编码时间分别为VP9的70倍和10倍以内。这表明,在优化方面,AV1与VP9的差距正在缩小。

近期,Google的视频压缩核心算法组软件工程师在多个会议上分享了最新进展。预计,随着硬件加速技术的成熟,AV1的编码效率将进一步提升。包括Intel和Xilinx在内的多家公司正在为AV1开发优化方案,通过硬件加速显著缩短编码时间。

然而,Hulu高级软件开发经理傅德良提醒, Codec的质量评价需要更加全面。短短5秒的测试序列或像MSU编码大赛的结果,无法充分反映 Codec 的综合性能。每个平台都有其独特的测试序列特点,因此评价 Codec 时需要综合考虑多方面因素。

总体来看,AV1作为未来的主流视频压缩格式,正在得到越来越多的支持和推动。随着技术的不断进步,未来 Codec 的性能将进一步提升。

转载地址:http://soup.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>