2. Only for
Maxus
Содержание
Введение
Введение
Основные понятия
Постановка задачи
Общие проблемы
Область применения
Классификация алгоритмов
Поиск оптимальных пресетов
Анализ различных значений параметров
Результаты
Планы
2/85
CS MSU Graphics & Media Lab (Video Group)
3. Only for
Maxus
Введение
Видео
Видеокоде
Битрей к
т
Закодированное
видео с заданным
Значения
битрейтом
параметров
? Максимальное
качество! 3/85
CS MSU Graphics & Media Lab (Video Group)
4. Only for
Maxus
Основные понятия
Параметры видеокодека настраивают некую
часть работы видеокодека. Их значения влияют
на качество и скорость кодирования
Пресет – набор значений параметров
видеокодека
Качество пресета для нас характеризуется:
Временем кодирования
Качеством закодированного видео
4/85
CS MSU Graphics & Media Lab (Video Group)
5. Only for
Maxus
Постановка задачи
1. Проанализировать влияние различных
параметров на время кодирования и
качество закодированного видео
2. Найти оптимальные пресеты
5/85
CS MSU Graphics & Media Lab (Video Group)
6. Only for
Maxus
Общие проблемы
Способ оценки качества пресета
Большая размерность и мощность
пространства возможных пресетов
Отсутствие метрики в пространстве
пресетов
Сложные и неизвестные зависимости
между параметрами
Оценка качества и верификация
рассматриваемых алгоритмов 6/85
CS MSU Graphics & Media Lab (Video Group)
7. Only for
Maxus
Область применения
Подбор наилучших настроек кодека
Проверка эффективности реализации
параметров
Выявление зависимостей между
параметрами
Нагрузочное тестирование кодека
Выбор настроек с заданными
характеристиками
7/85
CS MSU Graphics & Media Lab (Video Group)
8. Only for
Maxus
Проблемы алгоритмов
Поиск оптимальных пресетов
Качество пресета
Способ неполного перебора
Сложность
Полнота
Точность
Стабильность
Анализ различных значений параметров
Качество пресета
Неполные данные
Оценка значений параметров
Выявление зависимостей
Верификация
Стабильность
8/85
CS MSU Graphics & Media Lab (Video Group)
9. Only for
Maxus Классификация
алгоритмов
Поиск оптимальных Анализ различных
пресетов значений параметров
Существующие методы
Алгоритм, основанный на методе
отсечения ветвей дерева (GBFOS) Подсчет средних характеристик по
Алгоритм, основанный на параметрам*
симплекс-методе
Разработанные методы
Разноцветные облака точек
Итеративный градиентный спуск* Лямбда анализ
Анализ с помощью выкидывания
огибающих
9/85
CS MSU Graphics & Media Lab (Video Group)
10. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей дерева (GBFOS)
Базовый алгоритм GBFOS
Итеративный алгоритм GBFOS
Алгоритм, основанный на симплекс-методе
Симплекс-метод
Алгоритм на основе симплекс-метода
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы
10/85
CS MSU Graphics & Media Lab (Video Group)
11. Only for
Maxus
Оптимальные пресеты
Оптимальные по Парето пресеты
{p|∃ ′ : T(p′ ) ≤ T(p), Q(p′ ) ≤ Q(p), p′ ≠ }
/p p
Метод свертки критериев
Свертка критериев – любая числовая функция
критериев
Наиболее важные свертки критериев y = (y1 ,..., yn )
n
Линейная свертка < c , y >= ∑ i y i , c i ≥0 , i = 1 , n
c
i=1
y
Свертка Гермейера min i , ai > 0 , i = 1, n
i=1 ,n ai
Свертка на основе отклика от идеальной точки ρ(y * , y )
11/85
CS MSU Graphics & Media Lab (Video Group)Лотов А.В., Поспелова И.И. Конспект лекций по теории и
методам многокритериальной оптимизации. МГУ, 2008
12. Only for
Maxus
Свертки критериев
Качество
Линейная свертка <c,y>
Порождает подмножество
оптимальных точек (огибающую)
(случай невыпуклой границы)
Линии уровня – прямые
Свертка Гермейера min(yi/ai)
Врем
Порождает все множество оптимальных точек я
Линии уровня – конусы
Свертка на основе отклика от идеальной точки –ρ(y*,y)
Требует явного введения метрики в пространстве критериев
Лотов А.В., Поспелова И.И. Конспект лекций
по теории и методам многокритериальной 12/85
CS MSU Graphics & Media Lab (Video Group) оптимизации. МГУ, 2008
13. Only for
Maxus
Определение лямбды
Сформулируем нашу задачу следующим образом:
Найти оптимальные пресеты при заданных ограничениях
на качество Qc (битрейт)
p* = arg min T (p)
p:Q(p)≤Qc
T(p*) + λ(Q(p*) Qc ) → min
* 1
p = arg minM(p), M(p) = λ ′T (p) + Q(p), λ ′ =
λ
M(p) - линейная свертка для 2-х критериев
λ – задает желаемое соотношение между качеством и
временем кодирования
13/85
CS MSU Graphics & Media Lab (Video Group)
14. Only for
Maxus
Интерпретация новой
постановки задачи
Physical Interpretation of the Convex Hull Presets
1,2 All presets
Convex hull presets
1,15
Presets with thefixed quality
Best preset with thefixed quality
1,1
Quality, Q
1,05
1,
0,95
0,9 Faster
0,85
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
Time, T 14/85
CS MSU Graphics & Media Lab (Video Group)
15. Only for
Maxus
Интерпретация лямбды
10% Best Presets for Chosen = 0,25
1,2
All presets
Line M=*T+Q with smallest M
1,15
Line M=*T+Q with highest M
10% Best Presets for Chosen
1,1
One best preset for chosen
Better Quality
Quality, Q
1,05
1,
0,95
0,9
Better Common Quality
0,85
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
Time, T
Faster
15/85
CS MSU Graphics & Media Lab (Video Group)
16. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей
дерева (GBFOS)
Базовый алгоритм GBFOS
Итеративный алгоритм GBFOS
Алгоритм, основанный на симплекс-методе
Симплекс-метод
Алгоритм на основе симплекс-метода
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы 16/85
CS MSU Graphics & Media Lab (Video Group)
17. Only for
Maxus
Обозначения
Пусть имеется M параметров
Параметр i имеет значения 1,…,ni, которые
упорядочены по улучшению качества (ухудшению
времени)
Значит, пресет – набор a=(a1,…,aM), где ai ∈{1,…,ni}
Каждому пресету a соответствует T(a), Q(a) – его
время кодирования и качество закодированного видео
Построим график зависимости Q от T
R. Vanam, E. Riskin, S. Hemami, R. Ladner.
Distortion-Complexity Opti-mization of the
17/85
CS MSU Graphics & Media Lab (Video Group) H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proc. IEEE, 2007.
18. Only for
Maxus
Огибающая линия
Presets Lying on Convex Hull
1.25
Data points
Convex hull points
1.2
Выше качество
1.15
1.1
Меньше время
Quality, Q
1.05
1
кодирования
0.95
0.9
0.85
0.8
0 2 4 6 8 10 12
Time, T
R. Vanam, E. Riskin, S. Hemami, R. Ladner. Distortion-
Complexity Opti-mization of the H.264/MPEG-4 AVC 18/85
CS MSU Graphics & Media Lab (Video Group) Encoder using the GBFOS Algorithm. Proc. IEEE, 2007.
19. Only for
Maxus Базовый алгоритм
GBFOS
Алгоритм предполагает, что параметры независимы и
аддитивны
Замеряются пресеты вида
mi,j=(n1,…ni-1,j,ni+1,…,nM), где j=1,…,ni
Алгоритм работает итеративно, в конце каждой
итерации получается очередной оптимальный пресет
R. Vanam, E. Riskin, S. Hemami, R. Ladner.
Distortion-Complexity Opti-mization of the
19/85
CS MSU Graphics & Media Lab (Video Group) H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proc. IEEE, 2007.
20. Only for
Maxus Базовый алгоритм
GBFOS
Итерация N
2
1
1 Параметр 1 2 Параметр 2
Качество
Качество
3
2
4 4
Врем Врем
1 я я
Параметр 3
Повторяем, пока не
Находим
Выбор первого
Получаем очередной
Вычисление
Обновляем
Качество
получим последний
наименьший
оптимального
7 оптимальный пресет
углов наклона
углы наклона
пресета
оптимальный пресет
угол наклона
R. Vanam, E. Riskin, S. Hemami, R. Ladner.
Врем Distortion-Complexity Opti-mization of the
20/85
я
CS MSU Graphics & Media Lab (Video Group) H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proc. IEEE, 2007.
21. Only for
Maxus Итеративный алгоритм
GBFOS
Усовершенствованный базовый алгоритм GBFOS
Отличается от базового алгоритма тем, что в конце
каждой итерации обновляет точки, делая
дополнительные замеры
R. Vanam, E. Riskin, S. Hemami, R. Ladner.
Distortion-Complexity Opti-mization of the
22/85
CS MSU Graphics & Media Lab (Video Group) H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proc. IEEE, 2007.
22. Only for
Maxus Итеративный алгоритм
GBFOS
Итерация 1
2
Параметр 1 Параметр 2
Качество
Качество
2
4 4
Врем Врем
я я
Параметр Находим
Вычисляем
Обновляем точки,
Получаем очередной
Выбор первого
Вычисление
Качество
3
наименьший
углы наклона
используя значение
оптимального
оптимальный пресет
углов наклона
угол наклона
пресета
7 6
и т.д.
2 параметра 1
R. Vanam, E. Riskin, S. Hemami, R. Ladner.
Врем Distortion-Complexity Opti-mization of the
23/85
я
CS MSU Graphics & Media Lab (Video Group) H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proc. IEEE, 2007.
23. Only for
Maxus
Условия тестирования
Для тестирования использовались:
кодек x264 (Март 26, 2006 версия)
значения параметров:
ref = 1,…,16
partitions = 10 значений
subme = 1,…,7
trellis = 0, 1, 2
3 набора данных:
ASL-1 (10 QCIF последовательностей)
ASL-2 (10 320x240 последовательностей)
Standart (15 QCIF последовательностей)
3 битрейта: R. Vanam, E. Riskin, S. Hemami, R. Ladner.
30, 150 и 300 Кбит/с Distortion-Complexity Opti-mization of the
24/85
CS MSU Graphics & Media Lab (Video Group) H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proc. IEEE, 2007.
24. Only for
Maxus
Результаты: сложность
Пусть имеется M параметров
Параметр i имеет значения 1,…,ni
Значит, пресет – набор a=(a1,…,aM), где ai ∈{1,…,ni}
Количество замеров:
M
Полный перебор: ∏ ni = 3360
i=1 M
Базовый алгоритм GBFOS: ∑ni M + 1 = 33 ≈ 1%
i=1
Итеративный алгоритм GBFOS: 268 ≈ 8%
R. Vanam, E. Riskin, S. Hemami, R. Ladner.
Distortion-Complexity Opti-mization of the
25/85
CS MSU Graphics & Media Lab (Video Group) H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proc. IEEE, 2007.
25. Only for
Maxus
Результаты: точность
Максимальная разница
PSNR между огибающей
линией и
Базовым алгоритмом
GBFOS: 0.707 dB
Итеративным алгоритмом
GBFOS: 0.575 dB
R. Vanam, E. Riskin, S. Hemami, R.
Ladner. Distortion-Complexity
Opti-mization of the H.264/MPEG-4
AVC Encoder using the GBFOS 26/85
CS MSU Graphics & Media Lab (Video Group) Algorithm. Proc. IEEE, 2007.
26. Only for
Maxus
Результаты: стабильность
Максимальная разница
PSNR между
огибающей линией и
обоими алгоритмами:
< 0.55 dB
R. Vanam, E. Riskin, S. Hemami, R.
Ladner. Distortion-Complexity
Opti-mization of the H.264/MPEG-4
AVC Encoder using the GBFOS 27/85
CS MSU Graphics & Media Lab (Video Group) Algorithm. Proc. IEEE, 2007.
27. Only for
Maxus
Результаты: стабильность
Максимальная разница PSNR для обоих алгоритмов
для одинакового тестового и тренировочного набора
данных: < 0.71 dB
для разных: < 0.55 dB
R. Vanam, E. Riskin, S. Hemami, R. Ladner. Distortion-
Complexity Opti-mization of the H.264/MPEG-4 AVC 28/85
CS MSU Graphics & Media Lab (Video Group) Encoder using the GBFOS Algorithm. Proc. IEEE, 2007.
28. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей дерева (GBFOS)
Базовый алгоритм GBFOS
Итеративный алгоритм GBFOS
Алгоритм, основанный на симплекс-методе
Симплекс-метод
Алгоритм на основе симплекс метода
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы
32/85
CS MSU Graphics & Media Lab (Video Group)
29. Only for
Maxus
Симплекс-метод
Другие названия:
метод Нелдера — Мида
метод деформируемого многогранника
Задача:
f (x1 ,..., xn ) → min
Суть метода:
последовательное перемещение и деформирование
симплекса вокруг точки экстремума
Характеристики:
+ не использует градиентов функции
+ применим к негладким функциям
− находит локальный минимум
− f – скалярная функция
33/85
CS MSU Graphics & Media Lab (Video Group)
30. Only for
Maxus
Симплекс-метод
Симплекс - многогранник, имеющий n+1 вершину, где
n - число факторов, влияющих на процесс (параметров)
Примитивы:
min min
max max
max max
отражение и глобальное
симплекс отражение (α) сжатие (β)
растяжение (γ) сжатие (0.5)
Параметры метода:
коэффициент отражения α > 0 (обычно α=1)
коэффициент сжатия β > 0 (обычно β=0,5)
коэффициент растяжения γ > 0 (обычно γ=2)
34/85
CS MSU Graphics & Media Lab (Video Group)
31. Only for
Maxus
Симплекс-метод
1. Инициализация: x1,…,xn+1 - симплекс n-мерного пространств
2. Вычисляем f(xi), i=1,…,n+1
3. Выбираем m : f (x m ) = max f (x i )
1 i=1 ,n+1
4. Вычисляем x c = ∑ i x
n i≠m
5. Проводим оптимизацию шага в направлении от xm к xc
(отражение и растяжение или сжатие)
6. Переходим на шаг 3, пока оптимизация изменяет
положения вершин
7. Выбираем вершину с наименьшим значением f и вокруг нее
строим симплекс меньшего размера (сжатие)
8. Переходим на шаг 2, пока размер очередного симплекса
больше требуемой точности
35/85
CS MSU Graphics & Media Lab (Video Group)
32. Only for
Maxus
Симплекс-метод
36/85
CS MSU Graphics & Media Lab (Video Group)
33. Only for
Maxus
Алгоритм на основе
симплекс-метода
Optimizer O контролирует выход из цикла
Trial generator G генерирует очередной набор значений
параметров с помощью симплекс-метода
Zhang, Huipin; Cote, Guy. Determining optimal
configuration of video encoding parameters using
numerical search algorithms. Proc. SPIE, 2008. 38/85
CS MSU Graphics & Media Lab (Video Group)
34. Only for
Maxus
Алгоритм на основе
симплекс-метода
Алгоритм на основе симплекс-метода был применен
авторами статьи для решения следующих задач:
+ Выбор адаптивного параметра квантования
макроблоков
− Выбор матрицы квантования
Zhang, Huipin; Cote, Guy. Determining optimal
configuration of video encoding parameters using
numerical search algorithms. Proc. SPIE, 2008. 39/85
CS MSU Graphics & Media Lab (Video Group)
35. Only for
Maxus
Процесс квантования при
кодировании
Макроблок после применения DCT преобразования:
Для увеличения сжатия, отсекают наименее значимые
детали с помощью квантования
Квантование – деление величины на некоторое целое
число, называемое квантом
Операция квантования применяется дважды
43/85
CS MSU Graphics & Media Lab (Video Group)
36. Only for
Maxus
Процесс квантования при
кодировании
1. С помощью матрицы квантования:
Xafter_QM = Xbefore_QM ./ QM
Xafter_QM – макроблок до 1 квантования
Xbefore_QM – макроблок после 1 квантования
QM - матрица квантования (параметр видео)
2. С помощью порога квантования
Xafter_QP = round (Xafter_QM / Qstep)
Xafter_QP – макроблок до 1 квантования
Qstep – шаг квантования, стандарт задает 52 возможных
значения которые проиндексированы параметром
квантования QP (параметр макроблока)
Чем больше QP, тем выше степень сжатия и ниже качество44/85
CS MSU Graphics & Media Lab (Video Group)
37. Only for
Maxus
Адаптивный параметр
квантования макроблоков
Система визуализации для человека (HVS) менее
чувствительна к областям:
с большим движением
с высокими частотами
где DC коэффициент (несущая частота) сильно отличается от DC
коэффициента всего кадра
Qstep_MB=Qstep_PICfmotfhffdc
Qstep_MB, Qstep_PIC – шаги квантования макроблока и всего кадра
fmot, fhf, fdc – модифицирующие коэффициенты движения, высоких частот
и DC коэффициента
PQMB=PQPIC+round (6 log2 (fmotfhffdc))
PQMB, PQPIC – параметры квантования макроблока и всего кадра
Zhang, Huipin; Cote, Guy. Determining optimal
46/85
CS MSU Graphics & Media Lab (Video Group) configuration of video encoding parameters using
38. Only for
Maxus
Модификационные
коэффициенты
Zhang, Huipin; Cote, Guy. Determining optimal
47/85
CS MSU Graphics & Media Lab (Video Group) configuration of video encoding parameters using
39. Only for
Maxus
Алгоритм на основе
симплекс-метода
Симплекс-метод был применен для нахождения
оптимальных коэффициентов αmot, αhf, αdc для 4-х
последовательностей одновременно
Начальные значения: (αmot, αhf, αdc)=(1, 1, 1)
Условие останова: VQM уменьшается менее чем на
0.001
Zhang, Huipin; Cote, Guy. Determining optimal
configuration of video encoding parameters using
numerical search algorithms. Proc. SPIE, 2008. 48/85
CS MSU Graphics & Media Lab (Video Group)
40. Only for
Maxus
Результаты
high profile H.264 видеокодек
2-х уровневая B GOP структура длины 16
Битрейт:
1.5Mbps для определения оптимальных значений
1.0, 1.5, 2.0, 3.0, 5.0 Mbps для сравнения
Метрика качества – VQM
4 последовательности 480P (720x480 progressive),
30fps, 450 кадров
Chromakey
Driving
Opening Ceremony
Whale Show Zhang, Huipin; Cote, Guy. Determining optimal
configuration of video encoding parameters using
numerical search algorithms. Proc. SPIE, 2008. 49/85
CS MSU Graphics & Media Lab (Video Group)
41. Only for
Maxus
Результаты
Zhang, Huipin; Cote, Guy. Determining optimal
configuration of video encoding parameters using 50/85
CS MSU Graphics & Media Lab (Video Group) numerical search algorithms. Proc. SPIE, 2008.
42. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей дерева (GBFOS)
Базовый алгоритм GBFOS
Итеративный алгоритм GBFOS
Алгоритм, основанный на симплекс-методе
Симплекс-метод
Алгоритм на основе симплекс метода
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы
51/85
CS MSU Graphics & Media Lab (Video Group)
43. Only for
Maxus
Итеративный
градиентный спуск λ=λ0
p=p0
p – текущий пресет S=[]
pi – соседние пресеты для p
S – множество оптимальных пресетов
λ – текущее значение лямбды Найти M(p)
?????
λi – кандидаты на новое значение лямбды
λ = min λi p=pii Найти M(pi )
?????
M(p)=T(p)+λQ(p) i:λi≥ λ
да
нет
???
нет M(pi ) ≤ M(p) ∀ i
F ∃λii ≥ λ
∃λ ≥ λ
да
??
T (pi ) p)
T (p)
????? λ
Найти λii = S = S∪ {p}
S = S∪ {p}
Q(pi ) Q(p)
Q(p)
52/85
CS MSU Graphics & Media Lab (Video Group)
44. Only for
Maxus
Результаты
Gradient Search vs Full Search ("bus")
All presets
1.2
Auxiliary presets used by gradient search
Optimal presets found by full search only
1.15 Not optimal presets found by gradient search
Optimal presets found by gradient search
1.1
Quality, Q
1.05
1
0.95
0.9
0.85
1 2 3 4 5 6 7 8 9 10
Time, T 54/85
CS MSU Graphics & Media Lab (Video Group)
45. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей дерева
(GBFOS)
Алгоритм, основанный на симплекс-методе
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы 55/85
CS MSU Graphics & Media Lab (Video Group)
46. Only for
Maxus
Подсчет средних
характеристик по параметрам
В результате полного перебора пресетов, каждое
значение параметра присутствует в замерах одинаковое
количество раз
Считается среднее значение и дисперсия
По PSNR
По битрейту
Время кодирования не учитывается
1 2
n
1 n 2
Q1 10 log PSNRi Q 2 10 log bpsi
n i 1 n i 1
Для ускорения перебора используются ортогональные
массивы
Sangyoun Lee; Madisetti, V.K. Parameter
optimization of robust low-bit-rate video 56/85
56
CS MSU Graphics & Media Lab (Video Group) coders. IEEE,1999
47. Only for
Maxus
Результаты
57/85
57
Sangyoun Lee; Madisetti, V.K. Parameter optimization
CS MSU Graphics & Media Lab (Video Group)
of robust low-bit-rate video coders. IEEE,1999
48. Only for
Maxus
Результаты
Обучение: ―foreman‖
Тестирование: ―carphone‖, ―mother-
daughter‖, ―suzie‖, ―salesman‖, ―trevor‖
По сравнению с рекомендациями TMN5
(H.263) получено +0.2 dB в среднем (по
PSNR)
Sangyoun Lee; Madisetti, V.K. Parameter
optimization of robust low-bit-rate video 58/85
58
CS MSU Graphics & Media Lab (Video Group) coders. IEEE,1999
49. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей
дерева (GBFOS)
Алгоритм, основанный на симплекс-методе
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы 59/85
CS MSU Graphics & Media Lab (Video Group)
50. Only for
Maxus
Анализ раскрашенных
облаков точек
Графики строятся для каждого рассматриваемого
параметра
Точки, соответствующие одному значению
выбранного параметра, раскрашены в один цвет
Точки раскрашиваются в произвольном порядке
Анализируют расположения облаков точек
одного цвета:
Чем больше точек одного цвета лежит рядом с огибающей линией,
тем лучше соответствующее этому цвету значение параметра
60/85
CS MSU Graphics & Media Lab (Video Group)
51. Only for
Maxus
Анализ раскрашенных
облаков точек
61/85
CS MSU Graphics & Media Lab (Video Group)
52. Only for
Maxus
Анализ раскрашенных
облаков точек
Характеристики:
+ Простота и наглядность метода
− Выводы совершаются на основе субъективного
визуального анализа расположения облаков точек
одного цвета
62/85
CS MSU Graphics & Media Lab (Video Group)
53. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей
дерева (GBFOS)
Алгоритм, основанный на симплекс-методе
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы 63/85
CS MSU Graphics & Media Lab (Video Group)
54. Only for
Maxus
Лямбда анализ
64/85
CS MSU Graphics & Media Lab (Video Group)
55. Only for
Maxus
Выбор лямбд
Выбираем набор значений λ так, чтобы количество новых лучших
пресетов для соседних λ было постоянным
10% Best Presets for Chosen
other presets
1,2 = 0,01 (Time = 2,28, Quality = 0,84)
= 0,03 (Time = 2,28, Quality = 0,84)
= 0,06 (Time = 1,31, Quality = 0,87)
1,15 = 0,11 (Time = 1,15, Quality = 0,88)
= 0,21 (Time = 0,88, Quality = 0,92)
= 0,26 (Time = 0,88, Quality = 0,92)
1,1
= 0,33 (Time = 0,84, Quality = 0,93)
Better Quality
= 0,50 (Time = 0,55, Quality = 1,06)
Quality, Q
1,05 = 1,12 (Time = 0,46, Quality = 1,14)
1,
0,95
0,9
0,85
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
Time, T
Faster
65/85
CS MSU Graphics & Media Lab (Video Group)
56. Only for
Maxus
Выбор лучших пресетов
Для каждого значения λ
рассматривается величина:
M(p) = T(p) + λQ(p)
Лучшими считаются 10%
пресетов с минимальным
значением M(p)
66/85
CS MSU Graphics & Media Lab (Video Group)
57. Only for
Maxus
Интерпретация лямбды
10% Best Presets for Chosen = 0,25
1,2
All presets
Line M=*T+Q with smallest M
1,15
Line M=*T+Q with highest M
10% Best Presets for Chosen
1,1
One best preset for chosen
Better Quality
Quality, Q
1,05
1,
0,95
0,9
Better Common Quality
0,85
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
Time, T
Faster
67/85
CS MSU Graphics & Media Lab (Video Group)
58. Only for
Maxus
Вычисление плотности
пресетов
Для каждого параметра строится график зависимости
плотности пресетов с каждым возможным значением k от λ:
N(λ , k )
N% (λ , k ) = 100
∑ N(λ , m)
m
λ
Nk
N(λ , k ) =
Nk
N% (λ , k ) - плотность в % пресетов со значением
параметра равным k для заданной λ
λ
Nk - количество пресетов со значением параметра
равным k среди 10% лучших пресетов для заданной λ
Nk - количество пресетов со значением параметра равным
k среди всех пресетов
68/85
CS MSU Graphics & Media Lab (Video Group)
59. Only for
Maxus
Лямбда анализ
Motion Estimation Method
Q = 0,84 0,860,87
0,88 0,92 0,93 1,06 1,14 1,19 Q = 1,19
1,
60, dia
0,9
hex
Greater Relative Quantity of Points
0,8 umh
50,
tesa
Number of Best Presets, in %
0,7
40,
0,6
0,5
30,
0,4
20,
0,3
0,2
10,
0,1
0,
T = 2,28 1,651,31
1,15 0,88 0,84 0,55 0,46 0,42 T = 0,42
Time, T
Greater Ratio of Time to Quality
69/85
CS MSU Graphics & Media Lab (Video Group)
60. Only for
Maxus
Лямбда анализ
Анализируют линии на графике
соответствующие разным значениям заданного
параметра:
Чем выше линия, тем лучше значение параметра
Если у линии есть максимум при каком-то λ, значит
это значение λ оптимально, если мы хотим
использовать это значение параметра
70/85
CS MSU Graphics & Media Lab (Video Group)
61. Only for
Maxus
Лямбда анализ
Lambda Analysis vs Convex Hull Presets
1.2 All presets
Convex hull presets
1.15
Lambda analysis best presets
Lambda analysis predicted best presets
1.1
Quality, Q
1.05
1
0.95
0.9
0.85
1 2 3 4 5 6 7 8 9 10 11
Time, T
71/85
CS MSU Graphics & Media Lab (Video Group)
62. Only for
Maxus
Лямбда анализ
Характеристики:
+ Позволяет оценивать эффективность кодирования
при различном качестве кодирования
+ Позволяет находить оптимальное соотношение
времени и качества для конкретного значения
параметра (точка максимума на графике)
− Выбор набора значений λ
− Информация о параметрах, лучших в экстремальных
случаях может потеряться
− Выводы анализа зависят от выбора значений
параметров* 72/85
CS MSU Graphics & Media Lab (Video Group)
63. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей
дерева (GBFOS)
Алгоритм, основанный на симплекс-методе
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы
73/85
CS MSU Graphics & Media Lab (Video Group)
64. Only for
Maxus
Анализ с помощью
выкидывания огибающих
74/85
CS MSU Graphics & Media Lab (Video Group)
65. Only for
Maxus
Ранжирование пресетов
Находим пресеты p1,…,pn, k=1
лежащие на огибающей S=все пресеты
Присваиваем
R(p1)=…=R(pn)=k
Исключаем p1,…,pn
нет
да
S пусто? k=k+1
S – текущее множество пресетов
F pi – пресеты, лежащие на огибающей линии для S
R(p) – ранг пресета
75/85
CS MSU Graphics & Media Lab (Video Group)
67. Only for
Maxus
Вычисление плотности
пресетов
Для каждого параметра строится график зависимости
плотности пресетов с каждым возможным значением k от
номера класса n:
N(n, k )
N% (n, k ) = 100
∑ N(n, m)
m
Nn
N(n, k ) = k
Nk
N% (n, k ) - плотность в % пресетов со значением
параметра равным k в классе n
Nn - количество пресетов со значением параметра
k
равным k среди 10% лучших пресетов в классе n
Nk - количество пресетов со значением параметра равным
k среди всех пресетов
77/85
CS MSU Graphics & Media Lab (Video Group)
68. Only for
Maxus
Анализ с помощью
выкидывания огибающих
B-frames
70,
Good Bad
Greater Relative Quantity of Points
60, presets presets
Number of Best Presets, in %
0
2
Better
50,
4
Better
40,
30,
20,
10,
0, 2, 4, 6, 8, 10, 12, 14, 16,
Numbers of Convex Hulls
Closer to the Really Convex Hull (Better Common Quality)
78/85
CS MSU Graphics & Media Lab (Video Group)
69. Only for
Maxus
Анализ с помощью
выкидывания огибающих
Анализируют линии на графике
соответствующие разным значениям заданного
параметра:
Чем выше линия для маленьких номеров классов, тем
лучше значение параметра
Чем ниже линия для больших номеров классов, тем
лучше значение параметра
Если две линии пересекаются, то можно сказать, что
одно значение параметра лучше другого
79/85
CS MSU Graphics & Media Lab (Video Group)
70. Only for
Maxus
Анализ с помощью
выкидывания огибающих
Характеристики:
+ Позволяет находить оптимальные значения
параметров, когда нет априорных знаний о
желаемом соотношении между скоростью
кодирования и качеством закодированного видео
− Выводы анализа зависят от выбора значений
параметров*
80/85
CS MSU Graphics & Media Lab (Video Group)
71. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей
дерева (GBFOS)
Алгоритм, основанный на симплекс-методе
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы
81/85
CS MSU Graphics & Media Lab (Video Group)
72. Only for
Maxus
Результаты
(вместе с Володей)
Разработана система для массовых замеров параметров
видеокодека
Разработан метод поиска оптимальных пресетов, требующий
запуска около 15% пресетов
Разработаны среда для анализа параметров 2-х
критериальной задачи:
Анализ раскрашенных облаков
Лямбда анализ
(Анализ с помощью выкидывания огибающих)
Проведен анализ параметров видеокодеков с помощью среды
Проведен анализ стабильности методов анализа
относительно:
Выбора последовательностей
Ошибок замеров
82/85
CS MSU Graphics & Media Lab (Video Group)
73. Only for
Maxus
Содержание
Введение
Поиск оптимальных пресетов
Основные понятия
Алгоритм, основанный на методе отсечения ветвей
дерева (GBFOS)
Алгоритм, основанный на симплекс-методе
Итеративный градиентный спуск
Анализ различных значений параметров
Подсчет средних характеристик по параметрам
Разноцветные облака точек
Лямбда анализ
Анализ с помощью выкидывания огибающих
Результаты
Планы 83/85
CS MSU Graphics & Media Lab (Video Group)
74. Only for
Maxus
Планы
Верификация методов анализа
Анализ стабильности методов анализа относительно:
выбора последовательностей
выбора значений параметров
ошибок замеров
выбора метрики качества
Объединение выводов нескольких методов анализа
Анализ зависимостей параметров
Возможность анализа параметров по неполным
данным
Разработка других методов анализа
84/85
CS MSU Graphics & Media Lab (Video Group)
75. Only for
Maxus
Вопросы
85/85
CS MSU Graphics & Media Lab (Video Group)
76. Only for
Maxus
Литература
1. R. Vanam, E. Riskin, S. Hemami, R. Ladner. Distortion-Complexity
Optimization of the H.264/MPEG-4 AVC Encoder using the GBFOS
Algorithm. Proceedings of the IEEE Data Compression Conference,
Snowbird, UT, March 2007.
2. Zhang, Huipin; Cote, Guy. Determining optimal configuration of video
encoding parameters using numerical search algorithms. Proceedings of
the SPIE, Volume 6822, pp. 682211-682211-7 (2008).
3. Лотов А.В., Поспелова И.И. Конспект лекций по теории и методам
многокритериальной оптимизации. – М.: МГУ, 2008.
4. Sangyoun Lee; Madisetti, V.K. Parameter optimization of robust low-bit-
rate video coders. IEEE,1999.
5. D.Saupe, M.Ruhl, R.Hamzaoui, L.Grandi, D.Marini. Optimal hierarchical
partitions for fractal image compression. IEEE,1998.
86/85
CS MSU Graphics & Media Lab (Video Group)