VMAF:修订间差异

来自Gea-Suan Lin's Wiki
跳到导航 跳到搜索
此页面具有访问限制。如果您看见此消息,则说明您没有权限访问此页面。
 
(未显示同一用户的41个中间版本)
第1行: 第1行:
'''VMAF'''({{lang-en|Video Multimethod Assessment Fusion}})是Netflix所設計出來,希望能自動化評量影 檔案品質的演算法。
'''VMAF'''({{lang-en|Video Multimethod Assessment Fusion}})是Netflix所設計出來,希望能自動化評量影 檔案品質的演算法。


== 安裝 ==
== 安裝 ==


 這邊主要是描述[[Ubuntu]] 20.04下安裝VMAF的[[Python]]套件的方式。
 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


  首先 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 3.9.7
  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:
 接著安裝需要的相依套件:


<syntaxhighlight lang="bash">
<syntaxhighlight lang="bash">
sudo apt install -y gfortran libblas-dev liblack-dev meson nasm
sudo apt install -y build-essential gfortran libblas-dev liblapack-dev libsvm-dev meson nasm
</syntaxhighlight>
</syntaxhighlight>


 然後就可以抓下來安裝了:
 然後就可以 把Git repository 抓下來安裝了:


<syntaxhighlight lang="bash">
<syntaxhighlight lang="bash">
git clone https://github.com/Netflix/vmaf.git; cd vmaf/python; pip install -U -r requirements.txt; python3 setup.py install
git clone https://github.com/Netflix/vmaf.git; cd vmaf; make; cd python; make; pip install -U -r requirements.txt; python3 setup.py install
</syntaxhighlight>
</syntaxhighlight>
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<code>vmaf</code>放進對應的位置(要注意這是<code>x86_64</code>版本),這邊用的是[[pyenv]]的位置:
<syntaxhighlight lang="bash">
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/${PYTHON_VERSION}/lib/python3.9/libvmaf/build/tools/vmaf
</syntaxhighlight>
然後到[https://github.com/Netflix/vmaf/tree/master/model https://github.com/Netflix/vmaf/tree/master/model]這邊下載model檔案,並且放到對應的路徑(依照使用的工具不同會需要放到不同地方)。
<syntaxhighlight lang="bash">
wget https://raw.githubusercontent.com/Netflix/vmaf/master/model/vmaf_v0.6.1.json
</syntaxhighlight>
== 執行 ==
有幾種不同的方式可以計算VMAF分數。
=== run_vmaf.py ===
這邊是針對1920x1080的yuv420p檔案分析手機上的打分:
<syntaxhighlight lang="bash">
PYTHONPATH=${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
</syntaxhighlight>
=== vmaf ===
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">
./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"
</syntaxhighlight>
=== FFmpeg ===
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">
ffmpeg -nostdin -i "${DISTORTED}.mp4" -i "${REFERENCED}.mp4" -filter_complex libvmaf -f null -
</syntaxhighlight>
如果轉完的檔案(<code>${DISTORTED}</code>)與原始檔案不同的解析度,需要過一層<code>scale</code>,這邊另外指令了參數模型相關的設定,以及使用多個CPU threads的指令:
<syntaxhighlight lang="bash">
ffmpeg -nostdin -i "${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 -
</syntaxhighlight>
這個方法的壞處是只能吃非float版本的參數模型。
== 相關連結 ==
* [[FFmpeg]]
== 參考資料 ==
{{Reflist|2}}


== 外部連結 ==
== 外部連結 ==


* {{Official|https://github.com/Netflix/vmaf}}
* {{Official|https://github.com/Netflix/vmaf}}

2021年12月28日 (二) 01:17的最新版本

VMAF英语:Video Multimethod Assessment Fusion)是Netflix所设计出来,希望能自动化评量影片档案品质的演算法。

安装

这边主要是描述Ubuntu 20.04下安装VMAF的Python套件的方式,目标是希望尽可能装的“干净”一点。

所以我们会先利用pyenv安装自己的Python环境(避免使用系统的Python),这边要注意Python 3.10.0可能会遇到一些Python module装不起来的问题,我们这边会使用Python 3.9.9。

接著安装需要的相依套件:

sudo apt install -y build-essential gfortran libblas-dev liblapack-dev libsvm-dev meson nasm

然后就可以把Git repository抓下来安装了:

git clone https://github.com/Netflix/vmaf.git; cd vmaf; make; cd python; make; pip install -U -r requirements.txt; python3 setup.py install

最后因为不想要自己编执行档,需要把官方预先编好的执行档vmaf放进对应的位置(要注意这是x86_64版本),这边用的是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

然后到https://github.com/Netflix/vmaf/tree/master/model这边下载model档案,并且放到对应的路径(依照使用的工具不同会需要放到不同地方)。

wget https://raw.githubusercontent.com/Netflix/vmaf/master/model/vmaf_v0.6.1.json

执行

有几种不同的方式可以计算VMAF分数。

run_vmaf.py

这边是针对1920x1080的yuv420p档案分析手机上的打分:

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

另外一种方式是直接透过vmaf执行档跑,这边直接拉出最后的VMAF分数:

./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有编VMAF进去,也可以使用FFmpeg[1][2]。这个方式的好处是不需要另外转成YUV格式。另外要注意到,这边参数的指定方式跟前面不太一样,原始档案会放在后面的参数:

ffmpeg -nostdin -i "${DISTORTED}.mp4" -i "${REFERENCED}.mp4" -filter_complex libvmaf -f null -

如果转完的档案(${DISTORTED})与原始档案不同的解析度,需要过一层scale,这边另外指令了参数模型相关的设定,以及使用多个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 -

这个方法的坏处是只能吃非float版本的参数模型。

相关连结

参考资料

  1. Using VMAF with FFmpeg. 2021-01-05 [2021-11-20] (English). 
  2. 11.131 libvmaf. [2021-11-20] (English). 

外部连结