阿里云視頻云直播轉(zhuǎn)碼每天都會處理大量的不同場景、不同編碼格式的直播流。為了保證高畫質(zhì)，團隊借助VMAF標準來對每路轉(zhuǎn)碼的效果做質(zhì)量評估，然后進行反饋、調(diào)優(yōu)、迭代。這么做的原因在于，像動作片、紀錄片、動畫片、體育賽事這些場景，影響畫質(zhì)的因素各不相同，基于VMAF的視頻質(zhì)量反饋機制，可以在保證畫質(zhì)的前提下，對不同的場景做針對性優(yōu)化，達到畫質(zhì)最優(yōu)、成本最低的效果。本文由阿里云視頻云高級開發(fā)工程師楊洋撰寫，旨在分享VMAF的核心模塊與技術(shù)實踐。

背景

圖像質(zhì)量的衡量是個老問題，對此人們提出過很多簡單可行的解決方案。例如均方誤差（Mean-squared-error，MSE）、峰值信噪比（Peak-signal-to-noise-ratio，PSNR）以及結(jié)構(gòu)相似性指數(shù)（Structural Similarity Index，SSIM），這些指標最初都是被用于衡量圖像質(zhì)量的，隨后被擴展到視頻領(lǐng)域。這些指標通常會用在編碼器（“循環(huán)”）內(nèi)部，可用于對編碼決策進行優(yōu)化并估算最終編碼后視頻的質(zhì)量。但是由于這些算法衡量標準單一，缺乏對畫面前后序列的總體評估，導(dǎo)致計算的結(jié)果很多情況下與主觀感受并不相符。

VMAF 介紹

VMAF(Video Multimethod Assessment Fusion)由Netflix開發(fā)并開源在Github上，基本想法在于，面對不同特征的源內(nèi)容、失真類型，以及扭曲程度，每個基本指標各有優(yōu)劣。通過使用機器學(xué)習(xí)算法(SVM)將基本指標“融合”為一個最終指標，可以為每個基本指標分配一定的權(quán)重，這樣最終得到的指標就可以保留每個基本指標的所有優(yōu)勢，借此可得出更精確的最終分數(shù)。Netfix使用主觀實驗中獲得的意見分數(shù)對這個機器學(xué)習(xí)模型進行訓(xùn)練和測試。VMAF主要使用了3種指標：visual quality fidelity（VIF）、detail loss measure（DLM）、temporal information（TI）。其中VIF和DLM是空間域的也即一幀畫面之內(nèi)的特征，TI是時間域的也即多幀畫面之間相關(guān)性的特征。這些特性之間融合計算總分的過程使用了訓(xùn)練好的SVM來預(yù)測。工作流程如圖：

VMAF 核心模塊

VMAF基于SVM的nuSvr算法，在運行的過程中，根據(jù)事先訓(xùn)練好的model，賦予每種視頻特征以不同的權(quán)重。對每一幀畫面都生成一個評分，最終以均值算法進行歸總（也可以使用其他的歸總算法），算出該視頻的最終評分。其中主要的幾個核心模塊如下：

VMAF分別用python和C++實現(xiàn)了兩套接口，同時提供了C版本的lib庫，最新版本的ffmpeg已經(jīng)將vmaf作為一個filter集成進去。下面我們分析下各個模塊的作用：

? Asset

一個Asset單元，包含了一個正在執(zhí)行的任務(wù)信息。比如目標視頻與原始視頻的幀范圍，低分辨率視頻幀上采樣信息等（VMAF會在特征提取前通過上采樣的方式保證兩個視頻分辨率相同）。

? Executor

Executor會取走并計算Asset鏈表中每一個Asset單元，將執(zhí)行結(jié)果返回到一個Results鏈表中。Executor類是FeatureExtractor與QualityRunner的基類。它提供了一些基函數(shù)，包括Results的操作函數(shù)、FIFO管道函數(shù)、clean函數(shù)等。

? Result

Result是以key-value形式，將Executor執(zhí)行的結(jié)果存儲起來。key存儲的是“FrameNum”或者質(zhì)量分數(shù)的類型（VMAF_feature_vif_scale0_score或VMAF_feature_vif_scale1_score等），value存儲的是一系列分值組成的鏈表。

Result類也提供了一個匯總工具，將每個單元的質(zhì)量分數(shù)匯總成一個值。默認的匯總算法是“均值算法”，但是Result.set_score_aggregate_method()方法允許定制其他的算法。

? ResultStore

ResultStore類提供了Result數(shù)據(jù)集的存儲、加載的能力。

? FeatureExtractor

FeatureExtractor是Extractor子類，專門用于從Asset集合中提取特征，作為基本的特征提取類。任何具體的特征提取接口，都繼承自FeatureExtractor，例如VmafFeatureExtractor/PsnrFeatureExtractor/SsimFeatureExtractor等。

? FeatureAssembler

FeatureAssembler是一個聚合類，通過在構(gòu)造函數(shù)傳入feature_dict參數(shù)，指定具體的特征提取標準，將該標準提取出的特征結(jié)果聚合，輸出到一個BasicResult對象中。FeatureAssembler被QualityRunner調(diào)用，用來將提取后的特征數(shù)組傳給TrainTestModel使用。

? TrainTestModel

TrainTestModel是任何具體的回歸因子接口的基類，回歸因子必須提供一個train()方法去訓(xùn)練數(shù)據(jù)集，predict()方法去預(yù)測數(shù)據(jù)集，以及to_file(),frome_file()方法去保存、加載訓(xùn)練好的模型。
回歸方程的超參數(shù)必須通過TrainTestModel的構(gòu)造函數(shù)傳入。TrainTestModel類提供了一些基礎(chǔ)方法，例如歸一化、反歸一化、評估預(yù)測性能。

? CrossValidation

CrossValidation提供了一組靜態(tài)方法來促進TrainTestModel訓(xùn)練結(jié)果的驗證。因此，它還提供了搜索TrainTestModel最優(yōu)超參的方法。

? QualityRunner

QualityRunner是Executor子類，用來評估Asset任務(wù)集合的畫質(zhì)分數(shù)。任何用于生成最終質(zhì)量評分的接口都應(yīng)該繼承QualityRunner。例如跑vmaf標準的VmafQualityRunner，跑psnr標準的PsnrQualityRunner都是QualityRunner的子類。

自定義VMAF

最新版本的vmaf提供了1080p、4k、mobilephone三種場景下的model文件。Netflix號稱使用了海量的、多分辨率、多碼率視頻素材（高噪聲視頻、CG動漫、電視?。┳鳛閿?shù)據(jù)集，得到的這三組model。在日常使用中，這三組model基本滿足需求了。不過，VMAF提供了model訓(xùn)練工具，可以用于訓(xùn)練私有model。

創(chuàng)建新的數(shù)據(jù)集

首先，按照dataset格式，定義數(shù)據(jù)集文件，比如定義一個

example_dataset.py:?
dataset_name = 'example_dataset'?
yuv_fmt = 'yuv420p'?
width = 1920?
height = 1080?
ref_videos = [?
{'content_id': 0,?
'content_name': 'BigBuckBunny',?
'path': ref_dir + '/BigBuckBunny_25fps.yuv'}?
...?
]?
dis_videos = [{'asset_id': 0,?
'content_id': 0,?
'dmos': 100.0,?
'path': ref_dir + '/BigBuckBunny_25fps.yuv',?
}?
...?
]

ref_video是比對視頻集，dis_video是訓(xùn)練集。每個訓(xùn)練集樣本視頻都有一個主觀評分DMOS，進行主觀訓(xùn)練。SVM會根據(jù)DMOS做有監(jiān)督學(xué)習(xí)，所以DMOS直接關(guān)系到訓(xùn)練后model的準確性。

PS: 將所有觀察者針對每個樣本視頻的分數(shù)匯總在一起計算出微分平均意見分數(shù)（Differential Mean Opinion Score）即DMOS，并換算成0-100的標準分，分數(shù)越高表示主觀感受越好。

驗證數(shù)據(jù)集

./run_testing quality_type test_dataset_file [--vmaf-model optional_VMAF_model_path] [--cache-result] [--parallelize]

數(shù)據(jù)集創(chuàng)建后，用現(xiàn)有的VMAF或其他指標(PSNR,SSIM)驗證數(shù)據(jù)集是否正確，驗證無誤后才能訓(xùn)練。

訓(xùn)練新的模型

驗證完數(shù)據(jù)集沒問題后，便可以基于數(shù)據(jù)集，訓(xùn)練一個新的質(zhì)量評估模型。

./run_vmaf_training train_dataset_filepath feature_param_file model_param_file output_model_file [--cache-result] [--parallelize]?
例如，?
./run_vmaf_training example_dataset.py resource/feature_param/vmaf_feature_v2.py resource/model_param/libsvmnusvr_v2.py workspace/model/test_model.pkl --cache-result --parallelize?
feature_param_file 定義了使用那些VMAF特征屬性。例如，?
feature_dict = {'VMAF_feature':'all', } 或 feature_dict = {'VMAF_feature':['vif', 'adm'], }

model_param_file 定義了回歸量的類型和使用的參數(shù)集。當前版本的VMAF支持nuSVR和隨機森林兩種機器算法，默認使用的nuSVR。
output_model_file 是新生成的model文件。

交叉驗證

vmaf提供了run_vmaf_cross_validation.py工具用于對新生成的model文件做交叉驗證。

自定義特征和回歸因子

vmaf具有很好的可擴展性，不僅可以訓(xùn)練私有的model，也可以定制化或插入第三方的特征屬性、SVM回歸因子。

通過feature_param_file類型文件，支持自定義或插入第三方特征，需要注意的是所有的新特征必須要是FeatureExtractor子類。類似的，也可以通過param_model_file類型文件，自定義或插入一個第三方的回歸因子。同樣需要注意的是，所有創(chuàng)建的新因子，必須是TrainTestModel子類。

由于Netflix沒有開放用于訓(xùn)練的數(shù)據(jù)集，個人覺得，受制于數(shù)據(jù)集DMOS準確性、數(shù)據(jù)集樣本的量級等因素，通過自建數(shù)據(jù)集訓(xùn)練出普適的model還是挺不容易滴~

最后，附上VMAF Github地址：https://github.com/Netflix/vmaf