感谢您分享这些幻灯片，Nathan。看起来很复杂！我希望有一个简单的基准测试，这样每个人都能理解比较结果，例如，使用不同的视频编解码器编码一个 4K 视频需要多长时间？我们都能理解的另一个基准测试是，编码一个原始的 1 小时 4K 视频时，每个编解码器的文件大小如何比较？我认为，将这些基准测试包含在内，对于更广泛的公众来说将是最有帮助的。再次感谢您的贡献。

1. Nathan Egge

   确实，你说得对。测试视频和图像编码非常复杂，可能适合另一个演讲的主题。

   让我尝试回答您关于为什么没有“一个简单的基准测试，这样每个人都能理解比较结果”的非常合理的问题。简而言之，没有人能就一个基准测试达成一致，而且有充分的理由。

   您提到了“文件大小”，即码率，但隐含的假设是“在相同质量下的码率”。我们如何衡量质量？至少有十多种不同的客观（确定性）质量指标，但即使是专家也一致认为，这些指标往往存在偏差，彼此不一致，而且与人类感知的相关性不强。例如，最受欢迎的客观指标之一，即均方误差（也称为 PSNR），通常很有用，但您可以通过模糊图像来“改善”PSNR。然后是关于如何为单个测试片段获得单个客观“质量”值的问题。您组合客观指标的方式很重要，例如，基于：感兴趣区域（跨帧）、人类感知（跨色彩平面）、编码单元（跨帧类型）、平均流大小（跨速率控制场景）等等。

   您提到了“编码需要多长时间”，即复杂性，这里的问题是，现代视频编解码器旨在用于各种操作点。用于点播视频（高延迟）、直播流（一定延迟）和交互式视频会议（低延迟）的算法通常不同，因此您真正想要比较的是“在给定的码率和复杂性预算下的质量”。您可以做到这一点，但这需要时间，只有在您真正确保它是苹果对苹果的比较时才是公平的，也就是说，您需要很好地定义测试条件，还要确保编码器配置正确。

   这指出了另一个大问题，即您想要比较视频格式，例如“AV1、HEVC、H.264 和 VP9”，但您实际上是在比较编码器，例如 libaom、HM、OpenH264 和 libvpx。这些软件混合了参考（验证模型）和生产（企业级质量）软件，成熟度、可用性和功能完备程度不同。加上隐含的偏差以及配置您熟悉的软件和替代软件所需的工作量，您就会明白为什么很难对视频和图像格式进行一致的评估。

   2018 年 11 月 8 日 下午 15:00