「VMAF」：修訂間差異
跳至導覽
跳至搜尋
| （未顯示同一使用者於中間所作的 4 次修訂） | |||
| 第25行： | 第25行： | ||
</syntaxhighlight> | </syntaxhighlight> | ||
然後到[https://github.com/Netflix/vmaf/tree/master/model https://github.com/Netflix/vmaf/tree/master/model]這邊下載model檔案。 | 然後到[https://github.com/Netflix/vmaf/tree/master/model https://github.com/Netflix/vmaf/tree/master/model]這邊下載model檔案，並且放到對應的路徑（依照使用的工具不同會需要放到不同地方）。 | ||
<syntaxhighlight lang="bash"> | |||
wget https://raw.githubusercontent.com/Netflix/vmaf/master/model/vmaf_v0.6.1.json | |||
</syntaxhighlight> | |||
== 執行 == | == 執行 == | ||
| 第41行： | 第45行： | ||
=== vmaf === | === vmaf === | ||
另外一種方式是直接透過<code>vmaf</code>跑，這邊直接拉出最後的VMAF分數： | 另外一種方式是直接透過<code>vmaf</code>執行檔跑，這邊直接拉出最後的VMAF分數： | ||
<syntaxhighlight lang="bash"> | <syntaxhighlight lang="bash"> | ||
| 第49行： | 第53行： | ||
=== FFmpeg === | === FFmpeg === | ||
如果[[FFmpeg]]有編VMAF進去，也可以使用FFmpeg<ref> | 如果[[FFmpeg]]有編VMAF進去，也可以使用FFmpeg<ref>{{Cite web |url=https://github.com/Netflix/vmaf/blob/master/resource/doc/ffmpeg.md |title=Using VMAF with FFmpeg |language=en |accessdate=2021-11-20 |date=2021-01-05}}</ref><ref>{{Cite web |url=https://ffmpeg.org/ffmpeg-filters.html#libvmaf |title=11.131 libvmaf |language=en |accessdate=2021-11-20}}</ref>。這個方式的好處是不需要另外轉成YUV格式。另外要注意到，這邊參數的指定方式跟前面不太一樣，原始檔案會放在後面的參數： | ||
<syntaxhighlight lang="bash"> | <syntaxhighlight lang="bash"> | ||
| 第55行： | 第59行： | ||
</syntaxhighlight> | </syntaxhighlight> | ||
如果轉完的檔案（<code>${DISTORTED}</code>）與原始檔案不同的解析度，需要過一層<code>scale</code>： | 如果轉完的檔案（<code>${DISTORTED}</code>）與原始檔案不同的解析度，需要過一層<code>scale</code>，這邊另外指令了參數模型相關的設定，以及使用多個CPU threads的指令： | ||
<syntaxhighlight lang="bash"> | <syntaxhighlight lang="bash"> | ||
於 2021年12月28日 (二) 01:17 的最新修訂
VMAF（英語：Video Multimethod Assessment Fusion）是Netflix所設計出來，希望能自動化評量影片檔案品質的演算法。
安裝
這邊主要是描述Ubuntu 20.04下安裝VMAF的Python套件的方式，目標是希望盡可能裝的「乾淨」一點。
所以我們會先利用pyenv安裝自己的Python環境（避免使用系統的Python），這邊要注意Python 3.10.0可能會遇到一些Python module裝不起來的問題，我們這邊會使用Python 3.9.9。
接著安裝需要的相依套件：
sudo apt install -y build-essential gfortran libblas-dev liblapack-dev libsvm-dev meson nasm
然後就可以把Git repository抓下來安裝了：
git clone https://github.com/Netflix/vmaf.git; cd vmaf; make; cd python; make; pip install -U -r requirements.txt; python3 setup.py install
最後因為不想要自己編執行檔，需要把官方預先編好的執行檔vmaf放進對應的位置（要注意這是x86_64版本），這邊用的是pyenv的位置：
export PYTHON_VERSION=3.9.9; mkdir -p ~/.pyenv/versions/${PYTHON_VERSION}/lib/python3.9/libvmaf/build/tools; wget -O ~/.pyenv/versions/${PYTHON_VERSION}/lib/python3.9/libvmaf/build/tools/vmaf https://github.com/Netflix/vmaf/releases/download/v2.3.0/vmaf; chmod 755 ~/.pyenv/versions/${PYTHON_VERSION}/lib/python3.9/libvmaf/build/tools/vmaf
然後到https://github.com/Netflix/vmaf/tree/master/model這邊下載model檔案，並且放到對應的路徑（依照使用的工具不同會需要放到不同地方）。
wget https://raw.githubusercontent.com/Netflix/vmaf/master/model/vmaf_v0.6.1.json
執行
有幾種不同的方式可以計算VMAF分數。
run_vmaf.py
這邊是針對1920x1080的yuv420p檔案分析手機上的打分：
PYTHONPATH=${PYTHONPATH}:vmaf/third_party/libsvm/python python3 vmaf/python/vmaf/script/run_vmaf.py yuv420p 1920 1080 "${REFERENCED}.yuv" "${DISTORTED}.yuv" --model vmaf_float_v0.6.1.json --phone-model
vmaf
另外一種方式是直接透過vmaf執行檔跑，這邊直接拉出最後的VMAF分數：
./vmaf -r "${REFERENCED}.yuv" -d "${DISTORTED}.yuv" -w 1920 -h 1080 -p 420 -b 8 -m path=vmaf_float_v0.6.1.json --threads 16 -q -o /dev/stdout --json | jq ".pooled_metrics.vmaf.mean"
FFmpeg
如果FFmpeg有編VMAF進去，也可以使用FFmpeg[1][2]。這個方式的好處是不需要另外轉成YUV格式。另外要注意到，這邊參數的指定方式跟前面不太一樣，原始檔案會放在後面的參數：
ffmpeg -nostdin -i "${DISTORTED}.mp4" -i "${REFERENCED}.mp4" -filter_complex libvmaf -f null -
如果轉完的檔案（${DISTORTED}）與原始檔案不同的解析度，需要過一層scale，這邊另外指令了參數模型相關的設定，以及使用多個CPU threads的指令：
ffmpeg -nostdin -i "${DISTORTED}.mp4" -i "${REFERENCED}.mp4" -filter_complex "[0:v]scale=1920:1080[distorted];[distorted][1:v]libvmaf=phone_model=1:model_path=vmaf_v0.6.1.json:n_threads=4" -f null -
這個方法的壞處是只能吃非float版本的參數模型。
相關連結
參考資料
- ↑ Using VMAF with FFmpeg. 2021-01-05 [2021-11-20] （English）.
- ↑ 11.131 libvmaf. [2021-11-20] （English）.