带你读《2022技术人的百宝黑皮书》——淘宝直播端到端音视频评测方案首次公开(2) https://developer.aliyun.com/article/1243282?groupCode=taobaotech
清晰度
视频的清晰度是衡量视频质量优劣的重要指标，它能够较好的与人的主观感受相对应，清晰度不高表现出视频图像的模糊。从模糊的物理来源来分析，分为：拍摄失真（运动模糊、对焦模糊、昏暗等）、传输失真（x264、jpeg等
压缩模糊）、编辑失真（resize、美颜、滤镜、裁剪等带来的模糊），渲染失真等。
视频质量评价，按有没有人参与的角度，可以分为主观评测和客观评测。
关于主观评测，ITU-R-BT.500，ITU-R-BT.1788和ITU-T-P.910标准，详细的描述了主观评测的环境，设备，素材，人员，流程，结果等细节。因参与人数多，开销大，人的主观疲劳等缺点，主观评测无法高频投入，但其评测结果最接近人主观评价，准确度最高，经常被用来作为客观评价的指导性标注值和质量补充。
考虑到当前客观评价方法的局限性，音视频评测平台从不同需求出发，接入全参考和无参考客观评价算法，以及建立主观评价系统。
全参考评价
有代表性的全参考评价算法，包括PSNR、SSIM、VMAF等。
PSNR是视频处理领域应用最广的性能量化方法，计算复杂度小，实现速度快，数值范围在20~50之间，数值越小表示损失越大，但是局限性很明显，受像素点的影响比较大，与主观评价一致性比较低。
SSIM是一种基于亮度、对比度和结构三个相对独立的主观度量，用于衡量图像间的结构相似度，较PSNR 更符合人眼对图像品质的判断，取值范围0-1，越大质量越好。
VMAF由 Netflix 开发并开源，利用大量的主观数据作为训练集，通过使用机器学习算法(SVM)，能得到一个更接近人眼主观感受的评价结果，得分范围在0~100分之间，越大质量越好。如下图所示，VMAF与人眼Mos分匹配度高达90%以上。
全参考评价方法需要提供一个无失真的原始视频，经过对比得到一个对处理后视频的评价结果。音视频评测平台目前支持实时流的全参考评价，通过截取转推实时流地址中的部分时长数据，存储并处理为与源视频同格式视频，进一步做帧对齐处理，从而获取全参考评价算法的两个输入，平台所使用的vmaf算法经淘宝直播训练集训练产出。
带你读《2022技术人的百宝黑皮书》——淘宝直播端到端音视频评测方案首次公开(4) https://developer.aliyun.com/article/1243280?groupCode=taobaotech
