AI對廣播和OTT內容分發中影片壓縮的改善

• 2020 年 4 月 2 日
• 筆記

本文來自SMPTE2019的演講，演講者是來自harmonic的高級產品銷售經理Jean-Louis Diascorn。演講主題是AI技術對廣播和OTT內容分發中影片壓縮的改善。

Jean-LouisDiascorn主要介紹了三個影片編碼的AI應用實例：動態編碼模式（Dynamic Encoding Style, DES），動態解析度編碼（Dynamic Resolution Encoding, DRE）和動態幀率編碼（Dynamic Frame Encoding, DFE）。

Jean-LouisDiascorn首先介紹了動態編碼模式，並給出了AI模型的2個步驟：首先離線訓練出編碼模式的預測模型，然後將其部署到實時編碼器中。經過測試，部署在一級衛星中，該模型平均可以節省20%的碼率。當應用在OTT中時可以用於內容感知編碼。

接著，Jean-Louis介紹了第二個應用實例：動態解析度編碼。動態解析度編碼的作用是，在靜態場景中提高解析度，以便能觀看到更多的細節，在運動場景中則適當降低解析度。然後Jean-Louis給出了動態解析度編碼的框架，訓練模型產生一個動態解析度的預測模型，再將其部署到實時編碼器中。測試結果表明DRE可以節省CPU計算量並同時提高影片的品質。

然後，Jean-Louis介紹了第三個應用實例：動態幀率編碼。模型架構相似，訓練用於預測幀率的模型。結果表明使用動態幀率編碼節省了大約30%的CPU計算量，在碼率節省方面，比AVC節省了約10%，比HEVC節省了約5%。

最後，Jean-Louis提出可以將幾個應用實例進行結合，以節省更多的碼率。並給出了不同組合在碼率節省，QoE等方面的表現。

附上演講影片：

http://mpvideo.qpic.cn/0bf2riaaoaaageakvjmbpzpfbcwda6faabya.f10002.mp4?dis_k=f2a29c013df8e638f70246abd8696d78&dis_t=1585813682