Objektif Metrikleri – Multimedya Bölümü – Multimedya Bölümü Ödevleri – Multimedya Bölümü Tez Yaptırma –Multimedya Bölümü Ödev Ücretleri
Oran Şekillendirme
Hız şekillendirme, sıkıştırma katmanı ile taşıma katmanı arasında bir filtre (veya arayüz) görevi görerek sıkıştırılmış video bit akışlarının hızını belirli bir hedef bit hızını karşılayacak şekilde uyarlamak için kullanılan bir tekniktir. Hız şekillendirme elde etmek için kullanılabilecek bir dizi filtre vardır.
• Kare düşürme filtresi: Bu filtre, bir video akışındaki farklı kare türleri arasında ayrım yapar (yani, I-, P- ve B-kareleri). Çerçeve düşürme filtresi, çerçeveleri göreceli önemlerine göre atarak bir video akışının veri hızını azaltmak için kullanılır. Örneğin, B-kareleri tercihen düşürülür, ardından P-kareleri ve son olarak I-kareleri gelir.
• Frekans filtresi: Bu filtre, örneğin daha yüksek frekanslarda DCT katsayılarını atarak veya renk derinliğini azaltarak, sıkıştırma katmanı üzerinde filtreleme işlemleri gerçekleştirir.
• Yeniden niceleme filtresi: DCT katsayılarını yeniden niceler. Filtre, sıkıştırılmış video akışından DCT katsayılarını çıkarır ve nicelemesini çözer, ardından katsayıları daha büyük bir niceleme adımıyla yeniden niceler ve bu da bit hızının düşmesine ve kalitenin düşmesine neden olur.
Uyarlamalı Kodlamayı Hızlandırma
Hız uyarlamalı kodlama, çıktı bit hızını uyarlayan kodlama parametrelerini ayarlayarak uyarlama gerçekleştirir. Bununla birlikte, uyarlamalı kodlama, kodlayıcının yetenekleri ve kullanılan sıkıştırma şeması tarafından kısıtlanır. Niceleme parametresinin, çerçeve hızının ve/veya uzamsal çözünürlüğün dinamik olarak uyarlanması gibi, hız uyarlamalı kodlamada uyarlanabilecek bir dizi kodlama parametresi vardır.
Adaptasyon algoritmalarını geliştirirken veya tasarlarken ortaya çıkan temel sorular, sistemin nasıl adapte olduğu ve alıcıda algılanan kalitedir.
Açıklanan farklı uyarlama tekniklerinin her birinde bir dizi ortak bileşen vardır. Birçok uyarlama algoritması, uyarlama sürecinde kullanılan kontrol parametrelerinin seçimine güçlü bir şekilde bağımlıdır.
Örneğin, sunucu tabanlı bir hız kontrol sisteminde, geri bildirimin alınması üzerine sunucu iletim hızını α oranında artırır veya β oranında azaltır. α oranı çok büyük seçilirse, artan iletim hızı sistemi tıkanıklığa neden olabilir ve bu da müşterinin kayıp yaşamasına ve düşük kalite algısına neden olabilir.
Ancak α çok küçükse, sunucu ekstra kullanılabilir bant genişliğinden faydalanmak ve daha yüksek bit hızlı video akışı göndermek için çok yavaş olacaktır. Bu nedenle, algoritma, uyarlamayı yönlendiren α ve β kontrol parametrelerinin değerine büyük ölçüde bağımlıdır.
Daha da sorunlu olan, çeviri hızının gerçek video kodlama parametrelerine dönüştürülmesidir. Sunucunun videoyu 150 kbps’de ilettiği ve geri bildirime dayalı olarak algoritmanın iletim hızının 160 kps’ye çıkarılması gerektiğini belirttiği basit bir sistemi düşünün.
Geriye kalan soru şudur: Ekstra 10kps nasıl elde edilmelidir, bu hıza ulaşmak için video akışı nasıl ayarlanabilir? Bu, videoyu uyarlamak için kodlayıcının sınırlamaları nedeniyle daha da karmaşık hale gelir. Katman tabanlı şemalar da eşit derecede sorunludur, çünkü temel katmanı ve geliştirme katmanlarının her birini neyin oluşturduğuna dair kesin bir tanım yoktur.
Uyarlama algoritmalarının tasarımında genellikle göz ardı edilen en önemli konu kullanıcı algısıdır. Uyarlamadan etkilenen birincil varlık kullanıcı olduğundan ve bu nedenle uyarlama karar verme sürecinde öncelik verilmesi gerektiğinden, kullanıcı algısı uyarlama algoritmalarına dahil edilmelidir.
Örneğin, belirli bir kodlama konfigürasyonunda bir video klip akışı yapılıyorsa ve sistemin teslim edilen kaliteyi düşürmesi gerekiyorsa, bu uyarlamanın nasıl gerçekleşeceği kullanıcıların algısına göre belirlenmelidir.
Düşürmenin yolu, kullanıcıların algısı üzerinde en az olumsuz etkiye sahip olacak şekilde olmalıdır. Uyarlamanın ulaşılabilir ve akıllı bir şekilde gerçekleşmesi için video kalitesi ve video kalitesinin algılanması konusunda bir çeşit anlayış olması gerekir.
Performans metrikleri
Bilgisayar performans metrikleri
Test Metrikleri
Metrik nedir
Objektif Metriklerin Gözden Geçirilmesi
Nesnel metriklerin temel amacı, belirli bir görüntünün veya videonun algılanan kalitesini ölçmektir. Sofistike nesnel ölçümler, bozulmaların görünürlüğünü ve dolayısıyla algılanan kaliteyi belirlemek için İnsan Görsel Sisteminin (HVS) özelliklerini dikkate alarak algısal kalite ölçümlerini birleştirir.
Bununla birlikte, video içeriği, izleme mesafesi, ekran boyutu, çözünürlük, parlaklık, kontrast, keskinlik/doğruluk ve renk gibi kullanıcıların kaliteyi nasıl algıladıklarını etkileyen birçok faktör olduğu göz önüne alındığında, birçok nesnel ölçütün algılanan kaliteyi hesaplamadaki başarısı sınırlıdır.
Video kalitesinin birkaç objektif metriği önerilmiştir, ancak bunlar sınırlıdır ve insan algısını ölçmede tatmin edici değildir. Bu iki temel nesnel ölçüt, Tepe Sinyal Gürültü Oranı (PSNR) ve Video Kalitesi Metrik (VQM) gözden geçirilir. Bu iki ölçüm, video kalitesini değerlendirmek için birçok uygulamaya ve uyarlama algoritmasına yaygın olarak uygulanmıştır.
Tepe Sinyali Gürültü Oranı (PSNR)
Video kalitesi değerlendirmesinin en sık kullanılan nesnel ölçüsü, Tepe Sinyali Gürültü Oranı’dır (PSNR). PSNR’nin avantajı, hesaplanmasının çok kolay olmasıdır. Bununla birlikte, PSNR, HVS’nin özellikleriyle pek uyuşmaz. Kalite değerlendirme yöntemi olarak PSNR değerlerinin kullanılmasındaki temel sorun, iki görüntü farklı olsa bile bu farkın görünürlüğünün dikkate alınmamasıdır.
PSNR metriği, görsel maskeleme fenomenini veya HVS’nin herhangi bir yönünü dikkate almaz, yani, bu hata algılanmasa bile hatalı her bir piksel, PSNR’nin azalmasına katkıda bulunur.
Örneğin, piksel değerlerinin görüntünün tamamı üzerinde hafifçe değiştirildiği bir görüntüyü ve görüntünün küçük bir bölümünde yoğunlaşmış bir bozulmanın olduğu bir görüntüyü düşünün, her ikisi de PSNR değerini verir, ancak biri daha algılanabilir olacaktır. diğerinden daha fazla kullanıcı PSNR’nin HVS’nin özelliklerine pek uymadığı kabul edilmektedir.
Video Kalitesi Metrik (VQM)
Video Kalitesi Metrik (VQM), video kalitesini objektif olarak değerlendirmek için bir araç sağlar. Sistem, orijinal bir video klibi ve işlenmiş bir video klibi karşılaştırır ve tipik bir son kullanıcının algısıyla ilişkili olan bir Video Kalitesi Metrikini (VQM) bildirir.
VQM nesnel ölçümlerinin, genel kalite izlenimlerine veya ortalama görüş puanlarına yakın tahminler sağladığı iddia edilmektedir.
Kalite ölçüm süreci, orijinal ve işlenmiş video akışlarının örneklenmesini, orijinal ve işlenmiş video akışlarının kalibrasyonunu, algıya dayalı özelliklerin çıkarılmasını, video kalite parametrelerinin hesaplanmasını ve son olarak çeşitli VQM modellerini kullanarak hesaplamayı içerir.
Bilgisayar performans metrikleri Metrik nedir Performans metrikleri Test Metrikleri
