A veces nos encontramos con un vídeo que tiene unos números sorprendentes en lo que respecta a resolución, pero la calidad del mismo no es gran cosa. Eso puede ser debido a muchos factores, generalmente a un mal proceso de compresión, aunque el efecto contrario también es posible encontrarlo: un vídeo que no tiene grandes números en resolución pero cuya calidad es excelente.
Para analizar esa «calidad Subjetiva», algo que vaya más allá de los números, Netflix ha presentado una herramienta que ellos usan para su método Video Multimethod Assessment Fusion (VMAF), capaz de determinar la percepción del usuario frente a un vídeo específico.
Disponible en github, Netflix la describe como una herramienta ideal para tener en cuenta aspectos relacionados con varias variables que generan una sensación de calidad no basada en las variables existentes en el archivo y sí en la percepción real de calidad.
La aplicación ha sido desarrollada en colaboración con el Prof. C.-C. J. Kuo y su grupo en la Universidad del Sur de California, predice la calidad subjetiva mediante la combinación de múltiples métricas de calidad, aunque de momento solo se basa en tres:
– Información Visual Fidelity (VIF): métrica de calidad de imagen que se mide como una pérdida de fidelidad combinando cuatro escalas.
– Pérdida detalle Métrico (DLM): métrica basada en la lógica de medir por separado la pérdida de datos que afecta a la visibilidad de contenido, y el deterioro redundante que distrae la atención del espectador.
– Movimiento: medida de la diferencia temporal entre las tramas adyacentes.
Excelente solución para que otras empresas la adopten a la hora de exportar el vídeo de sus plataformas.
Imagen de shutterstock