如何利用AI技術檢測OTT串流影像品質 ?
2019-03-20
|
一般來說，要確保行動網路的影像品質相當困難，需要透過全面性的測試方法來檢驗，常見的方法像是利用packet、frame以及使用pixel的全參考 (Full-Reference)比對來確認品質，但由於OTT (Over-the-Top)串流影像是基於TCP傳輸，對於封包遺失會採取重傳的機制，故傳統的packet或frame量測方法無法反映真實問題，有鑑於此，我們提供無參考 (Non-Reference)的檢驗技術 – AI人工智慧。
吉康科技代理的Spirent Umetrix Video Non-Reference (NR)測試方案，不需要參考來源影像作比對，就像人類肉眼一樣能夠即時辨識影像的方格、模糊、停滯等情形，Umetrix使用NR -Compression、NR -Buffering、NR -Scaling、NR -Live四種模型。
|
 |
|
 |
|
Umetrix的NR模型使用到人工智慧的機器學習技術，並且參考Netflix開發的影像品質指標VMAF(Video Multimethod Assessment Fusion)。VMAF是一套需要比對原始影像的Full-Reference評分系統，結合人類視覺感知與人工智慧，產生1-100的品質分數，比其他演算法更貼近人類實際的感受。
| 為確保Umetrix的影像品質分數是值得信賴的，我們藉由以下四個步驟來驗證： |
| 1. |
輸入大量的影像片段，訓練演算法學習評分標準。 |
| 2. |
使用VMAF為原始影像片段來評分，作為參考基準。 |
| 3. |
將NR模型建立在BRISQUE (Blind/Referenceless Image Spatial QUality Evaluator)上，對輸入影像產生1-100的品質分數，與VMAF不同的是，Umetrix只看壓縮過的影像片段，而不是參考原始影像。 |
| 4. |
以Umetrix的演算法所得到的分數，經由廣泛用於衡量兩個變數之間相關程度的Pearson correlation 分析，發現與VMAF的分數相關程度高達90%以上。 |
由此可知，Umetrix提供的品質分數相當貼近人類視覺感知標準，而且是使用Non-Reference來檢測。對於追求影像壓縮最佳化、QoE，以及提供影像內容服務與OTT串流網路、設備的廠商來說，Umetrix是您首選的最佳檢測方案。
|
 |
|
 Spirent Umetrix Video (OTT)型錄下載
Spirent代理商 吉康科技有限公司
|
|
