स्ट्रीट मैजिक कोडेक तुलना। रहस्य प्रकट करें

इस वर्ष की सालगिरह का प्रतीक है - 16 साल बाद संपीड़न.कॉम वेबसाइट शुरू की गई थी, जहां लेखक और उनके सहयोगी वीडियो कोडेक्स और छवि एनकोडर की तुलना का आयोजन करते हैं। इस समय के दौरान, दर्जनों तुलनाएँ 23 से 550+ पृष्ठों की रिपोर्ट के साथ की गईं, पिछली तुलना में ग्राफ़ की संख्या 7000 से अधिक थी, और इस समय के दौरान विभिन्न करामाती मामलों की संख्या अंत में सभी उचित सीमाओं को पार कर गई। चूंकि अगली दौर की तारीख (32 वर्ष) जल्द ही आ जाएगी, इसलिए वर्षगांठ के सम्मान में थोड़ा सा करामाती बताने की इच्छा है।

अगर हम कोडेक्स के बारे में बात करते हैं, तो यह कोई रहस्य नहीं है कि अधिकांश सम्मानित और ग्राफ़ जो सबसे सम्मानित जनता देखते हैं, विपणन विभाग के उत्पाद हैं। सबसे अच्छे मामले में, इंजीनियरों ने सक्षम रूप से ग्राफिक्स किया, और मार्केटिंग ने केवल प्रकाशन के लिए आगे बढ़ाया। सबसे खराब स्थिति में, इंजीनियरों ने उनकी तैयारी में भाग नहीं लिया। इन व्यस्त लोगों पर समय क्यों बर्बाद करें!

इसी समय, संपीड़न का विषय बहुत लोकप्रिय है। सिलिकॉन वैली श्रृंखला में, नायक के स्टार्टअप ने एक सरल एल्गोरिथ्म विकसित किया, जिसमें पहले सीज़न के आखिरी एपिसोड में अविश्वसनीय 3 डी वीडियो संपीड़न दिखाया गया था और इसके परिणामस्वरूप, अब दुनिया में लाखों स्टार्टअप (और निवेशक) जानते हैं कि मुख्य बात यह है कि एक बड़ा वीज़मैन गुणांक और अधिक है प्रतिभा मिलनी चाहिए, और बाकी बकवास है। चमत्कार होगा! यह स्वाभाविक रूप से चमत्कार की उम्मीद को बढ़ाता है और (ज़ाहिर है!) ये चमत्कार कंपनियों द्वारा खुशी से प्रदर्शित किए जाते हैं! जिसमें सड़क जादू की नवीनतम उपलब्धियों का उपयोग करना शामिल है।

अस्वीकरण: वास्तविक नाम के साथ नीचे कंपनियों के नामों का कोई भी संयोग बिल्कुल यादृच्छिक है।

वापस बैठो! हम वादा करते हैं कि कहानी के अंत तक आप खुद को इस तरह की चाल दिखाने में सक्षम होंगे, जैसा कि, हालांकि, और उनमें से कई को प्रकट करने के लिए। चलो चलते हैं!

स्तर 1, शुरुआती के लिए चालें

चलो सरलतम से शुरू करते हैं, क्योंकि, अजीब तरह से पर्याप्त है, इन विधियों को एक आधुनिक (धारावाहिक में नहीं, बल्कि वास्तविक!) सिलिकॉन वैली में लुढ़काया जाता है।

तो, सबसे सम्मानित जनता, सुपर-मजबूत संपीड़न के प्रदर्शन के साथ चालें शुरू होती हैं!



निश्चित रूप से, कई ने पृष्ठों पर JS के आधार पर असंगत बिल्लियों के साथ समान गतिशील तुलना देखी है। यदि संपीड़न की तुलना की जाती है, तो यह उचित है कि गुणवत्ता यथासंभव समान है (आदर्श रूप से बिल्कुल समान), और दाईं ओर यह उदाहरण के लिए 2 गुना बेहतर होगा।

जल्दी से नहीं कहा!

कंपनी का दावा है कि 30% बेहतर संपीड़न (सभी मैच यादृच्छिक हैं!)। और तस्वीरें बिल्कुल वैसी ही दिखती हैं! यहां तक ​​कि एक पेशेवर रूप से प्रशिक्षित रूप भी मतभेद नहीं ढूंढता है। अधिक विस्तार से देखने की इच्छा है। हम पेज कोड में चढ़ते हैं और देखते हैं कि पहली और दूसरी तस्वीरों के लिए स्लाइडर एक फ़ाइल से डेटा लेता है! हमें कई तरीकों से एक ही बार में लाभ मिलता है: सबसे पहले, सबसे अच्छा परिणाम आदर्श रूप से प्रदर्शित किया जाता है, दूसरी बात, इंजीनियर काम से विचलित नहीं था, और अंत में, साइट पृष्ठ पर यह जगह दो बार तेजी से लोड होती है। ठोस लाभ !!!

मामला, इस पर विश्वास न करें, वास्तविक है। अब तुम्हें पता है कि कहाँ देखना है!

एक अन्य स्थान पर - एक स्लाइडर और फिर से एक अद्भुत परिणाम। हम स्लाइडर कोड को देखते हैं - विभिन्न फाइलें भरी हुई हैं। कड़वे अनुभव से सिखाया, उन्हें डाउनलोड करें - वे सिर्फ एक ही आकार के बाइट तक नहीं हैं, वे थोड़ा-थोड़ा मैच करते हैं! सामान्य तौर पर, पिछली पद्धति के सभी फायदे, लेकिन फ़ोकस थोड़ा अधिक जटिल होता है, हालाँकि पेज लोडिंग में मंदी के कारण (आपको हर चीज़ के लिए भुगतान करना पड़ता है ...)। और, सबसे महत्वपूर्ण बात, आपको संपीड़न में महंगे विशेषज्ञों को आकर्षित करने की आवश्यकता नहीं है।

हालांकि, इस स्तर पर अधिक उन्नत विपणक आगे भी चलते हैं। स्लाइडर को बाहर रखा गया है - आप देखते हैं - चित्र अलग हैं, लेकिन गुणवत्ता बहुत समान है। अच्छा ठीक है। और आगे! शानदार खुलापन प्रदर्शित किया जाता है - यहां तक ​​कि वीडियो फ़ाइलों के लिंक भी हैं। डाउनलोड करना उनकी पद्धति का एक बहुत अच्छा लाभ है, यह भी स्पष्ट नहीं है कि उन्होंने यह कैसे किया। यह मदद करता है कि यहां हम सभी पूरी तरह से रूसी हैकर्स (पहले से ही पश्चिम में एक ब्रांड) हैं। हम बिटस्ट्रीम को देखते हैं और एक अद्भुत तस्वीर देखते हैं:


यही है, यहां तक ​​कि कई विशेषज्ञ, अगर वे गहरी और डबल-चेक खुदाई नहीं करते हैं, तो यह पुष्टि करेगा कि वास्तव में लोगों के पास एक उत्कृष्ट परिणाम है जो कि आज के नेता के तुलनात्मक गुणवत्ता के साथ लगभग दोगुना है। आप विश्वास नहीं करेंगे कि इस तरह के तरीकों का उपयोग खुद के लिए किया जाता है और यहां तक ​​कि कुछ मामलों में आपको दसियों लाख डॉलर के निवेश की अनुमति मिलती है।

मुझे 6 साल पहले एक रूसी स्टार्टअप के साथ एक मुलाकात याद है। उनके निर्देशक ने दरवाजे से ठीक कहा: “आप हमें अपना सर्वश्रेष्ठ प्रदर्शन करना चाहिए। हमारे पास सीवर्स्टल के निवेशक हैं, और, अगर कुछ भी है, तो सोल्डरिंग आइरन्स वाले शेव्ड लोग आपके पास आएंगे। "जैसा कि आप जानते हैं, ऐसी कठोर परिस्थितियों में, शोध कार्य की गुणवत्ता जादुई रूप से बढ़ जाती है, और विभिन्न स्तरों की चालों की संख्या घट जाती है ... हाथियों की हमारी मातृभूमि में ऐसे मामलों के साथ काम करने से पश्चिमी निवेशकों के लिए अफ़सोस की बात है। सच है, हमारे सभी निवेशक इतने विशुद्ध रूप से विशिष्ट नहीं हैं, और उनके जादूगर भी हमारे फिलिस्तीनियों में हैं। और नियमित रूप से। लेकिन इसके बारे में एक और बार ...

स्तर 7 अनुनाद

यह कहानी एक वीडियो कोडेक के बारे में नहीं है, बल्कि छवि संपीड़न के बारे में है, लेकिन "ईमानदार चाल" की शैली के सभी कानूनों के अनुसार इसमें बहुत कुछ था।

किसी तरह, एक काफी प्रसिद्ध कंपनी एम ने फैसला किया कि उन्हें अपने विंडोज मीडिया वीडियो (डब्लूएमवी) और विंडोज मीडिया ऑडियो (डब्ल्यूएमए) प्रारूपों में विंडोज मीडिया फोटो (डब्ल्यूएमपी) जोड़ने की जरूरत है। किट के लिए साफ करें, जैसा कि आप समझते हैं।

गैलरी में युवक! खैर, इतनी जोर से चिल्लाओ मत, यह तुम पर अकेले नहीं था! सभ्य लोग (पहली पंक्ति देखें) अधिकतम - जानबूझकर मूंछों में मुस्कराहट ...

जल्दी से नहीं कहा!

अगला, हाथों की सावधानीपूर्वक निगरानी करें:


यानी WMP में समान संपीड़न स्तर पर JPEG और JPEG 2000 की तुलना में अधिक विवरण हैं (JPEG और JPEG 2000 को धीरे से बराबर किया जाता है और स्तर 24 बार सेट किया जाता है), और निम्नलिखित पैराग्राफ में :


यानी आमतौर पर केवल 6 बार निचोड़, और यह 24 था। वाह, यह तीन बार बदबू आ रही है! सामान्य तौर पर, हम सुनिश्चित करने के लिए 2 बार बेहतर होते हैं। मीडिया ने अच्छी खबर को जनता तक पहुंचाया (कुछ ने लिखा कि यह जेपीईजी 2000 की तुलना में 2 गुना बेहतर था), यहां तक कि हबेरा पर भी उन्होंने इस खबर को दोहराया ।

थोड़ी देर बाद, इस प्रस्तुति से एक चार्ट दिखाई दिया:




जेपीईजी 2000 से अधिक लाभ छोटा था, इस तथ्य के बावजूद कि उन्होंने स्पष्ट रूप से एक अद्भुत लड़के और डॉल्फ़िन के साथ सबसे अच्छी तस्वीर का चयन किया था। हम इस एनकोडर के साथ खेलने के लिए उत्सुक थे। लगभग छह महीने के बाद, संपीड़न के लिए उपयोगिता रखी गई थी।

उस समय तक, हमारे पास एक साल पहले JPEG 2000 के 9 कार्यान्वयन की तुलना थी

हाँ, हाँ, हाँ! जैसा कि सभी योगासन समान रूप से उपयोगी नहीं हैं, मानक के सभी कार्यान्वयन समान रूप से अच्छे नहीं हैं। मानक केवल एक बिट स्ट्रीम को निर्धारित करता है, जिसे डेटा में डाला जा सकता है (और, वैसे, बाहर ले जाया गया!) बहुत अलग तरीकों से, यह एक अच्छा दर्जन मापदंडों के लिए अपनी भयंकर प्रतिस्पर्धा के साथ एक अलग कोडेक बाजार बनाता है। एक साधारण व्यक्ति, एक नियम के रूप में, यह नहीं जानता है, जो उसे एक बुलडोजर पर व्यावहारिक रूप से अपने कानों पर सवारी करने की अनुमति देता है ("हमारा डीवीआर नवीनतम H.265 / HEVC का समर्थन करता है, किसी और के पास नहीं है!")। और कोई भी (कोई भी नहीं!) एक सेटअप की बहुत संभावित है।

हमने पिछली रिपोर्ट में WMP के लिए खुशी से 3 लाइनें डाली थीं। यह इस तरह से निकला:

यह देखा जा सकता है कि जेपीईजी 2000 के कार्यान्वयन की तर्ज पर काफी भीड़ है और बोल्ड ब्लू (सबसे अच्छा डब्ल्यूएमपी कार्यान्वयन) के बीच कहीं परिणाम हैं, अर्थात्। JPEG 2000 PLAYS। यदि आप JASPER को शून्य के रूप में लेते हैं और इसके सापेक्ष सब कुछ दिखाते हैं, तो आप देख सकते हैं कि WMP सबसे खराब पैरामीटर के साथ पिछले दो को छोड़कर लगभग सब कुछ खो देता है (उनमें से एक है KDU, इसे याद रखें), और सबसे अच्छे के साथ यह कहीं है केंद्रित, कई कार्यान्वयनों के लिए हार:

चूंकि तुलना सार्वजनिक रूप से पोस्ट की गई थी और संकीर्ण सर्कल में हलचल पैदा कर दी थी, इसलिए डेवलपर ने आधिकारिक ब्लॉग पर भी इसका जवाब दिया। नोट विनम्र था: इसकी प्रशंसा की गई, इसकी आलोचना की गई, और फिर, यदि आपने पाठ के माध्यम से उतारा, तो आदमी ने स्पष्ट रूप से स्वीकार किया कि उन्होंने अपनी तुलना में हमारी तुलना के जेपीईजी 2000 (छह महीने पहले प्रकाशित) का सबसे खराब कार्यान्वयन किया, हालांकि यह पूरी तरह से दुर्घटना के रूप में है। " निश्चित रूप से, हम उन पर विश्वास करेंगे। एक सम्मानित कंपनी और वह सब।

इसके अलावा, तकनीक का नाम डब्ल्यूएमपी से बदलकर एचडी फोटो कर दिया गया, हालांकि, निम्नलिखित निर्णय नेटवर्क पर बने रहे:

एक केक पर चेरी के रूप में। हमारे सहयोगियों ने और आगे बढ़े: अधिक तस्वीरें लीं और दिखाया कि एचडी फोटो न केवल JPEG 2000, बल्कि एक अच्छा JPEG कार्यान्वयन ( 14 में से 7 मामलों में ) भी निभाता है। और विशेष रूप से हारता है। यह विश्वास करने का कारण है कि उन्होंने चित्रों को उठाया, लेकिन उन्होंने स्पष्ट रूप से एचडीफोटो को दफनाया, क्योंकि जिन्हें प्रारूप की जरूरत है कि आधे समय में प्राचीन जेपीईजी खेलता है - यह स्पष्ट नहीं है:


इस ट्रिक के कुल रहस्य:

• हम मुख्य प्रतिद्वंद्वी के सबसे खराब कार्यान्वयन को लेते हैं, इसके साथ तुलना करते हैं।
  
• हम एक विज्ञापन प्रचार बनाते हैं ("हम सभी को पछाड़ चुके हैं" की शैली में)।
  
• जब प्रचार पृष्ठभूमि में हो जाता है, तो हम रिलीज़ करते हैं और आशा करते हैं कि कोई भी यह सत्यापित नहीं करेगा कि वास्तव में क्या था।
  

बच्चे! ऐसा कभी न करें और दूसरों को धोखा न दें! आपकी कंपनी लाखों डॉलर और विशेषज्ञों का भरोसा खो सकती है।

स्तर 10, ताजा! तंत्रिका नेटवर्क के साथ!

सामान्य तौर पर, ऐसे बहुत सारे मामले होते हैं। यहां तक ​​कि रूस में, मैं साल में एक-दो बार ऐसी ही स्थितियों का सामना करता हूं (सूचना हमारे लिए प्रवाहित होती है, जैसा कि संपीड़न.ru के मालिकों के लिए है)। पश्चिम में निवेशकों को महीने में एक बार के लिए प्रतिबंधित किया जाता है। और अब, चीन भी इस मनोरंजन से जुड़ा है। कंप्यूटर की शक्ति बढ़ रही है, एल्गोरिदम की जटिलता और क्षमता - भी। इसे समझना और भी मुश्किल होता जा रहा है। नतीजतन, हिंसक मज़ा जारी है!

हाल ही में, तंत्रिका नेटवर्क बहुत लोकप्रिय हो गए हैं। बिल्कुल हर चीज जो वे स्पर्श करते हैं वे जादुई रूप से सुधार करते हैं। लेकिन उन्हें वीडियो संपीड़न पर लागू नहीं करते हैं?

जल्दी से नहीं कहा!

पिछले साल नवंबर में वॉल स्ट्रीट जर्नल की एक और खुशखबरी ने दुनिया को चौका दिया। मशीन सीखने पर आधारित एक वीडियो कोडेक बनाया गया है जो सभी को परेशान करता है! यहाँ सबूत है:

सामान्य तौर पर, मैं व्यक्तिगत रूप से तंत्रिका नेटवर्क के उल्लेख के साथ सभी समाचारों के बारे में बेहद उलझन में हूं। और मैं आपको सलाह देता हूं (यदि आप एक निवेशक हैं तो निश्चित रूप से)। तंत्रिका नेटवर्क को इस तरह से व्यवस्थित किया जाता है कि परीक्षण के लिए प्रशिक्षण नमूने का चयन सही ढंग से किया जा सकता है (सुस्त के लिए - कोई भी!) वांछित परिणाम। तंत्रिका नेटवर्क विपणन चमत्कार की एक धारा शुरू करने के लिए एक आदर्श उपकरण है। एक दूसरे की तुलना में अधिक अद्भुत है!

सामान्य तौर पर, एक शेड्यूल होता है, चित्र होते हैं। सहमत - कायल। विशेष रूप से संदेह के लिए, सज्जनों ने प्रसिद्ध परीक्षण सेटों पर कुछ और ग्राफ लाए:


हालाँकि, यदि व्यक्तिगत रूप से अपने लिए चित्रों वाला पिछला ग्राफ़ किसी तरह समझा जा सकता है (यह हमेशा एक वीडियो और यहां तक ​​कि गहरे तंत्रिका नेटवर्क के साथ शार्प करना संभव है), तो इन दो ग्राफ़ों ने मुझे बहुत सतर्क कर दिया।

क्या उनमें कुछ भी आपको परेशान नहीं करता है?

वे इसके तहत आधार भी लाते हैं, जैसे कि क्लासिक कोडेक सीमा पर आराम करते हैं और विशेष रूप से विकसित नहीं होते हैं (और यहां वे मंच पर जाते हैं, सभी सफेद में)। और आप जानते हैं, इस तरह के झूठे झूठ महान काम करते हैं! और ठीक है, "द वॉल स्ट्रीट जर्नल" - वे (मुझे विश्वास करना चाहेंगे) केवल वित्त को समझते हैं, ठीक है "एमआईटी प्रौद्योगिकी की समीक्षा" - ये सज्जन सिलिकॉन वैली के सज्जनों के लिए शब्द लेते हैं, लेकिन इस तरह के एक सम्मानित संसाधन के रूप में हैबर ने समाचार को गंभीरता से लिया - मैं बना लूंगा! समाचार को सामूहिक रूप से रिप्रजेंट करने के बारे में मैं क्या कह सकता हूं ...

वास्तविकता में, कोडेक्स के विकास की तस्वीर, सौभाग्य से, बिल्कुल अलग है। सबसे पहले, नीचे दिए गए ग्राफ़ में, जिसे हमने xiph वीडियो के एक ही सेट पर बनाया था, हम देख सकते हैं कि H.265, H.264 की तुलना में 2531% बेहतर है। यानी कोडेक विकास के 10 साल अभी भी व्यर्थ नहीं थे! ( उफ़, यह दिल से सही ढील दी ... ) दूसरे, ताजा AV1 H.264 की तुलना में लगभग दुगुना सुधार दिखाता है, और इसके लाभ का कदम, स्पष्ट रूप से, बहुत ध्यान देने योग्य है:


तदनुसार, कोई व्यक्ति आँख से देख सकता है कि यदि आप लेखकों चार्ट पर H.264 के बाईं ओर AV1 चार्ट 45% ओवरले करते हैं, तो यह नए कोडेक को कवर करेगा ... [सेंसरशिप द्वारा कट आउट]। अच्छी तरह से कवर, संक्षेप में। इसलिए, उसके साथ तुलना करने के लिए वे "भूल गए"। वास्तविक संरेखण कुछ इस तरह दिखता है (बहुत कम भीड़, सहमत):

इसे स्पष्ट करने के लिए - कोडेक्स में मानक प्रीसेट होते हैं जो आपको काफी सीमा (अक्सर दसियों बार) के भीतर गति को बदलने की अनुमति देते हैं, लेकिन एक ही समय में एक ही गुणवत्ता (अक्सर 2 बार से अधिक) के साथ अधिक से अधिक संपीड़न प्राप्त करते हैं। X265 ( HEVC मानक का एक बहुत अच्छा ओपन-सोर्स कार्यान्वयन) में उन्हें कहा जाता है: अल्ट्राफास्ट, सुपरफास्ट, बहुत तेज, तेज, मध्यम, धीमा, धीमा, बहुत, प्लेस्बो। यदि हम 1 के लिए माध्यम लेते हैं, तो उसी गुणवत्ता के साथ गति और फ़ाइल आकार में, वे किसी विशेष फ़ाइल के लिए स्थित हो सकते हैं, उदाहरण के लिए, जैसा कि नीचे दिए गए ग्राफ़ में है। हम कह सकते हैं कि अपेक्षाकृत मध्यम, आप फ़ाइल को 40 गुना बड़ा या छोटा कर सकते हैं, गति को 10 गुना तक बढ़ा सकते हैं:
ध्यान दें कि कुछ वीडियो के लिए, मानक विकल्प आवश्यक रूप से नीरस रूप से नहीं जाते हैं (इस मामले में, गुणवत्ता में)। इसके अलावा, कभी-कभी "गैर-मानक" विकल्प आकार में एक बड़ा लाभ दे सकते हैं , विशेष रूप से, ऊपर के उदाहरण का उपयोग करते हुए, मध्यम की तुलना में गति में 20% की कमी, आप 30% आकार में खेल सकते हैं - लगभग अगले स्तर के मानक पर स्विच करते समय पसंद करते हैं, लेकिन पिछले निम्न जटिलता के साथ विकोडक। लेकिन यह पहले से ही एक और अधिक जटिल स्तर है, इसके बारे में एक और समय।

जैसा कि आप आसानी से ऊपर देख सकते हैं, सज्जनों ने "धीमी" तुलना के लिए लिया है। यह अच्छा है कि यह "बहुत" नहीं है, क्योंकि आपके पास यह हो सकता है! ) और इससे कोई फर्क नहीं पड़ता कि उनका कोडेक अपने आप में बहुत ही धीमा है। अधिकांश भाग के लिए, एक ग्राफ को देखने वाले लोगों को याद नहीं है कि मापदंडों के आधार पर कोडेक की गति कुछ आदेशों से भिन्न हो सकती है। इसलिए, यह तकनीक पूरी तरह से रोल करती है। यद्यपि हमारे चार्ट पर ("बिटरेट / गुणवत्ता ...") उनकी रेखाओं का बंडल लाल क्षेत्र में था (जो कि सबसे खराब है)। एक ही समय में कोडेक्स के विकास में मौके पर पेट भरने का औचित्य साबित होता है। हाँ हाँ

उदाहरण के लिए, अधिक सूक्ष्म जोड़तोड़ हैं, सज्जन लिखते हैं: "बी-फ्रेम को हटाने के लिए, हम b.24 के साथ H.264 / 5 का उपयोग करते हैं = 0 विकल्प, VP9 के साथ -आटो-अल्ट-रेफ-0-लैग-इन-फ्रेम 0, और HM एनकोडर lowdelay P main.cfg प्रोफाइल का उपयोग करें। ” यही है, वे एक सामान्य प्रतियोगिता में सामान्य कोडेक्स को हरा नहीं सकते थे और कम-विलंबता कम-विलंबता मोड को चुना, जो आमतौर पर वास्तविक समय के लिए उपयोग किया जाता है, उदाहरण के लिए, वीडियो कॉन्फ्रेंसिंग के लिए। इसमें कोडेक के परिणाम निश्चित रूप से बदतर हैं। उसी समय, उनका डिकोडर (एनकोडर के बारे में चुप) प्रति फ्रेम 2 सेकंड काम करता है, अर्थात, आप किसी भी कम-विलंबता के बारे में भी बात नहीं कर सकते। लेकिन कुछ प्रतिशत खेला।

ये सभी चालें नहीं हैं जो सज्जनों के स्टार्टअप द्वारा उपयोग की गई थीं, लेकिन तस्वीर पहले से ही स्पष्ट है।

यह स्पष्ट है कि विश्वसनीय दिखने के लिए ध्यान केंद्रित करने के लिए, अतिरिक्त स्पर्शों की आवश्यकता होती है जो यथार्थवाद देते हैं। उदाहरण के लिए, इन सज्जनों ने https://arxiv.org/abs/1811.06981 पर एक लेख प्रकाशित किया। आज, एल्गोरिदम का विकास इतना तेज है कि एक पत्रिका में एक लेख प्रकाशित होने तक इंतजार करना असहनीय हो जाता है, यही वजह है कि कई मजबूत लेखक पहले arxiv.org पर परिणाम प्रकाशित करते हैं। सड़क के जादूगरों के लिए, यह साइट इस बात में सुविधाजनक है कि आप वहां कोई भी सामग्री रख सकते हैं - सहकर्मी की समीक्षा की गई पत्रिकाओं और सम्मेलनों के विपरीत, कोई भी अप्रिय प्रश्न नहीं करेगा और प्रकाशन को काट देगा (गंभीर स्थानों की समीक्षा नहीं है)। लेकिन आम जनता इस तथ्य के बारे में नहीं जानती है, उदाहरण के लिए, 1 अप्रैल को, यह arxiv.org पर वैज्ञानिक लेखों के विभिन्न पैरोडी प्रकाशित करने के लिए प्रथागत था, जिसमें इसे प्रकाशन स्थल के रूप में हास्यास्पद बताया गया है, इसलिए आम जनता के लिए प्रकाशन और भी ठोस प्रतीत होता है।

आगे बढ़ो। उन पर एक लेख कहा गया था " मशीन लर्निंग में पहला वीडियो कोडेक नाटकीय रूप से H.265 और V3 .9 सहित सभी मौजूदा कोडेक्स को पार कर गया है।" एक और मजाक यह है कि संपीड़न में मशीन सीखने को न केवल सक्रिय रूप से पता लगाया जाता है, जिसे व्यक्तिगत सम्मेलन ट्रैक पहले से ही समर्पित हैं (अर्थात, बहुत सारे लेख हैं ), लेकिन यह सक्रिय रूप से भी उपयोग किया जाता है, उदाहरण के लिए, एवी 1 में (मैं विशेष रूप से एक Google अनुरोध प्रदान करता हूं)। लेकिन, अगर उन्होंने ईमानदारी से कहा: "हमने मशीन लर्निंग का उपयोग करते हुए दूसरा कोडेक जारी किया, जबकि स्पीड और कम्प्रेशन में पहली हार," वॉल स्ट्रीट जर्नल ने शायद उनके बारे में नहीं लिखा होगा ... और MIT TechReview नहीं लिखा होगा ... और यहां तक ​​कि हबर ... जाहिर है, बाद वाले को सहन नहीं किया, कंपनी ने पिच को थोड़ा समायोजित किया। इसी समय, आधुनिक इंटरनेट की एक विशेषता यह है कि लोग जानकारी की जांच नहीं करते हैं, जो कई लोगों को खुद को पहली से कई (अच्छी तरह से ज्ञात कंपनियों के साथ शुरू) घोषित करने की अनुमति देता है। जिद, जैसा कि आप जानते हैं, शहर लेता है! एक तथ्य की जांच फैशनेबल नहीं है।

- गुंडे!
- यह है कि यह कैसे है?
[ऊपर दिए गए उदाहरण का अनुरोध)))]

और ML / DL के बारे में भी। सुदूर अतीत में, जब फ्लॉपी डिस्क बड़े थे, और हार्ड ड्राइव छोटे थे, तो "अभिलेखागार के लिए सड़क जादू" के तरीकों में से एक अस्थायी फ़ाइलों के साथ एक निर्देशिका में कहीं दूर संपीड़ित फ़ाइल का एक हिस्सा बचाने के लिए था और इस तरह एक रिकॉर्ड दिखा। तब से, समय बदल गया है। Winchesters बड़े हो गए हैं, फ्लॉपी डिस्क पूरी तरह से गायब हो गए हैं, और यह ग्रिड गुणांक के कई सौ मेगाबाइट की गहराई में डेटा को छिपाने के लिए फैशनेबल हो गया है। आप ग्रिड में "कॉपीराइट चिह्न" को बचा सकते हैं, आप ईस्टर अंडे को बचा सकते हैं, या आप एक नकली संपीड़न रिकॉर्ड सेट कर सकते हैं। गहरी तंत्रिका नेटवर्क - निश्चित रूप से बिजली, संक्षेप में!

सफलता के लिए इस मार्ग का सारांश:

• हम आधुनिक नेता की उपेक्षा करते हैं जैसे कि वह बिल्कुल भी मौजूद नहीं था।
  
• हम सावधानीपूर्वक सब कुछ तैयार करते हैं ताकि यह पढ़े कि जैसे हम पहली बार कुछ नई तकनीक का उपयोग कर रहे थे (और अगर नेता ने पहला किया, तो कोई भी जांच नहीं करेगा)।
  
• 5–15 साल पहले के मानकों के लिए, हम हैंडल बंद कर देते हैं ताकि वे हमसे भी बदतर काम करें।
  
• — , , .
  
• «The Wall Street Journal» …
  

… ( !)… ! … … ! ! ...

-!

जैसा कि मैंने ऊपर वादा किया था, इस पाठ के अंत में आप सशर्त पिकाबू के मंच पर आसानी से चमक सकते हैं।

अब, हे सबसे सम्मानित जनता, मैं आपको एक चाल दिखाऊंगा जिससे आप किसी भी चीज की किसी भी पूर्वनिर्धारित परिणाम से तुलना कर सकते हैं। यानी यदि आप कोडेक A को कोडेक B से बेहतर होना चाहते हैं, तो हम इसे दिखाएंगे, यदि आप B को A से बेहतर बनाना चाहते हैं, तो, हम इसे दिखा सकते हैं। हम आपके पैसे के लिए विपणन विभाग के किसी भी समय को मुफ्त में पूरा करेंगे !

आइए देखें कि ये कोडेक्स कैसे दबाते हैं। जैसा कि वे कहते हैं - किसी पर भरोसा मत करो, इसे स्वयं जांचें। और फिर, शायद सच्चाई यह है, इन मानकों का विकास नहीं होता है और हम केवल मूर्ख हैं, जो कि ओवरवर्क द्वारा अर्जित धन का भुगतान करने के लिए मजबूर करते हैं, यह किसके लिए स्पष्ट नहीं है?

480p24 प्रारूप में "अवतार" लें और इसे x264 कोडेक के साथ सेटिंग में जमा करें "-preset superfast -x264-params" nal-hrd = cbr "-b: v 1M -minrate 1M -maxrate 1M -bufsize 2M और xvid कोडेक के साथ सेटिंग्स "-preset सुपरफास्ट -b: v 1M -minrate 1M -maxrate 1M -bufsize 2M" (H.264 और MPEG-4 मानकों के दो बहुत अच्छे ओपन-सोर्स कार्यान्वयन)। क्यों इन कोडेक्स और सेटिंग्स को बाद में बताया गया है।

हमें लगभग समान आकार की दो फाइलें
मिलीं : avatar_x264_cbr1M_superfast.mkv - 1402 MB
avatar_xvid_cbr1M_superfast.mkv - 1401 MB

और अब, देवियों और सज्जनों! अपने हाथों को ध्यान से देखें !!!

हम देखते हैं, यहाँ नया मानक और पुराना है:


हम एक और फ्रेम देखते हैं:

कोई टिप्पणी नहीं! लेकिन क्या होगा अगर तेज गति?


सहमत! प्रगति स्पष्ट और अनुभवहीन है! सब कुछ विकसित हो रहा है और बेहतर और बेहतर हो रहा है! और जीवन - सुंदर और मज़ा!

हालांकि ...



भगवान, यह क्या है ??? नया मानक पूरी तरह से विलीन हो गया है ... आह्ह



! लोग! ध्यान रखें! निगम आपको धोखा दे रहे हैं !!! कोडेक्स लंबे समय से विकसित नहीं हो रहे हैं, लेकिन वे आपको बताते हैं कि सब कुछ ठीक चल रहा है!



क्या आप देख रहे हैं? 10 वर्षों में उन्होंने जो कुछ सीखा, वह है ब्लॉकनेस को मिटाना! और वे यह सिर्फ घृणित है! यह इससे भी बदतर हो गया था! आप इन सभी वर्षों में नाक के नेतृत्व में रहे हैं !!!!!!! 11

और अब हम यह पता लगाएंगे कि यह कैसे करना है।

वास्तव में, पूर्ण फ्रेम इस तरह दिखता है:

जब कोडेक काम कर रहा होता है, विशेष रूप से निरंतर बिटरेट मोड में, फ्रेम की गुणवत्ता में काफी उतार-चढ़ाव होता है। यहाँ फिल्म की शुरुआत है, उदाहरण के लिए - शास्त्रीय मीट्रिक द्वारा गुणवत्ताPSNR (इसमें कोई संदेह नहीं है कि कौन बेहतर है, कौन बदतर है, वैसे, यह स्पष्ट है कि हरे रंग का xvid औसतन कम हो जाता है): तस्वीर पर क्लिक किया जाता है। यदि आप एक चार्ट को दूसरे से हटाते हैं (नीचे दिए गए चित्र में, फ़ाइल में एक और जगह), तो आप देख सकते हैं कि पूरे कोडेक पुराने हैं। मानक खो जाएगा, लेकिन कुछ स्थानों पर यह +5 dB तक दूर जा सकता है (PSNR सुविधाजनक है क्योंकि यह मानक विचलन के विपरीत आनुपातिक रूप से आनुपातिक है, जिसके कारण, एक नियम के रूप में, नियम काम करता है: 1.5 डीबी का अंतर मध्यम और निम्न बिटरेट की सीमा में आंखों से दिखाई देता है) । और फिर आप फ्रेम को देख सकते हैं, जहां अंतर दूसरी दिशा में 20 डीबी है: तस्वीर पर क्लिक किया गया है







अब आप समझते हैं कि आपका विनम्र सेवक हमेशा ईमानदारी से स्नेह के साथ कंपनियों के मार्केटिंग सामग्रियों में दिए गए व्यक्तिगत शॉट्स को वीडियो में उच्च गुणवत्ता के प्रमाण के रूप में देखता है (विशेषकर जब कोई शेड्यूल नहीं होता है) ... और आखिरकार, वे अभी भी कभी-कभी ऐसा करते हैं!

फ़्रेम का चयन करना आसान बनाने के लिए, 10 साल से अधिक पहले हमने अपने टूल MSU VQMT में एक तुलना मोड बनाया था , जिसमें 3 फ़ाइलों की एक साथ तुलना की गई थी - मूल, कोडेक -1 और कोडेक -2 और तुरंत सहेजी गई, उदाहरण के लिए, 30 फ्रेम के एक या एक से अधिक जोड़े। दूसरी तरफ। मुख्य बात यह है कि फ़ाइल को अधिक प्रामाणिक रूप से लेना है!

अवरुद्ध को अधिक दृश्यमान बनाने के लिए कम-बिटरेट MPEG-4 लिया गया था।

कुल, सफलता का मार्ग:

• हम एक मोड का चयन करते हैं जिसमें कोडेक्स में गुणवत्ता भिन्नता अधिकतम होती है (आमतौर पर एकल-पास सीबीआर)।
  
• स्रोत के रिज़ॉल्यूशन को 2 गुना कम करें (क्योंकि सबसे अधिक संभावना है कि आपको टुकड़ों को बढ़ाना होगा, उदाहरण के लिए, टुकड़े 3 गुना अधिक बढ़ गए थे)
  
• हम इस मौसम में कुछ मेट्रिक्स ( PSNR , SSIM , फैशनेबल VMAF ) लेते हैं ।
  
• हम विकल्पों के साथ एक प्रतियोगी से आंतरिक डीबलॉकिंग को अवरुद्ध या अक्षम करने के साथ पुराने मानक की तुलना के रूप में लेते हैं।
  
• और अंत में, फ़ाइल को अधिक प्रामाणिक लेने के लिए मत भूलना: फिल्म के 3 घंटे - यह सबसे अधिक है!
  

और बिंगो! आपके पास कुछ उदाहरण हैं कि आप अपने प्रतियोगी से कितने बेहतर हैं!

खैर, या कहीं और जहां दर्शकों को बहुत पसंद नहीं है, आप किसी से किसी की तुलना सफलतापूर्वक कर सकते हैं। लोग प्रसन्न होंगे।

अब आप जानते हैं कि जब आप कंपनी सामग्रियों में कर्मियों के साथ तुलना करते हैं तो क्या सवाल पूछते हैं! शायद इससे भी कम, आखिरकार, वे मिलेंगे ...

एक निष्कर्ष के बजाय

कोडेक्स और एन्कोडर्स की तुलना में विपणन सामग्री "एक के पक्ष में" तैयार करने के अपेक्षाकृत सरल तरीके ऊपर चर्चा की गई थी। स्वाभाविक रूप से, वास्तविक जीवन में सब कुछ अधिक जटिल है। काश, यदि आप गहराई से जाते हैं, तो यह इतना रोमांचक और उल्लेखनीय रूप से अधिक जटिल नहीं होगा (जो लोग उदाहरण के लिए, यहां लेख और टिप्पणियों को पढ़ सकते हैं)।

और लोग आमतौर पर सरल उत्तरों में रुचि रखते हैं। " सबसे अच्छा वीडियो कोडेक क्या है?" सवाल का जवाब देने के लिए सबसे लोकप्रिय जवाब@Mail.ru में। "के-लाइट मेगा कोडक पैक" है। और यह वास्तव में बड़े पैमाने पर दर्शकों के लिए सबसे छोटा, सबसे समझने योग्य और सटीक उत्तर है। और आप कहते हैं कि कोडेक्स, मानक ...

लेकिन अधिक लोग, कम से कम औसत स्तर पर जो विषय में पारंगत होते हैं, कम मुखर विपणन विभाग या आसन्न स्टार्ट-अप निवेशकों के कानों को कानों में उड़ाएंगे। और जीवन थोड़ा बेहतर हो जाएगा।

धन्यवाद, देवियों और सज्जनों! सभी - तकनीकी साक्षरता!