VMAF - 视频多方法评估融合
项目地址: https://gitcode.com/gh_mirrors/vm/vmaf 项目基础介绍和主要编程语言
VMAF（Video Multi-Method Assessment Fusion）是由Netflix开发的一种感知视频质量评估算法，该项目在GitHub上开源，链接为https://github.com/Netflix/vmaf.git。VMAF项目主要使用C语言和Python进行开发，同时也包含了MATLAB和CUDA等其他编程语言的代码。
项目核心功能
VMAF的核心功能是基于多方法融合的感知视频质量评估。它通过结合多种视频质量评估方法，提供了一种更加准确和全面的视频质量评估工具。VMAF不仅支持自定义模型的训练和测试，还集成了多种其他视频质量评估指标，如PSNR、PSNR-HVS、SSIM、MS-SSIM和CIEDE2000等。
项目最近更新的功能
-
libvmaf v3.0.0发布：2023年12月7日，项目发布了libvmaf v3.0.0版本，该版本包含多项优化和错误修复，并完全移除了在v2.0.0中已弃用的API。
-
CAMBI功能增强：2021年12月15日，项目为CAMBI（Contrast Aware Multiscale Banding Index）添加了full_ref输入参数，允许将其作为全参考指标运行，考虑源视频中已存在的带状效应。此外，2021年12月1日，项目还为CAMBI添加了max_log_contrast输入参数，以捕捉比默认设置更高对比度的带状效应，并显著提升了CAMBI的运行速度。
-
CAMBI开源：2021年10月7日，项目开源了CAMBI，这是一种用于检测带状（即轮廓）伪影的对比感知多尺度带状指数。相关技术博客和PCS 2021发表的技术论文提供了更多详细信息。
-
速度优化和新API设计：2020年12月7日，项目发布了关于速度优化、新API设计以及引入编码器评估友好型NEG模式的最新技术博客。
-
libvmaf v2.0.0发布：2020年12月3日，项目发布了libvmaf v2.0.0版本，该版本采用了新的定点和x86 SIMD优化（AVX2、AVX-512）实现，相比之前的浮点版本实现了2倍的速度提升，并引入了更加灵活和可扩展的新API。
通过这些更新，VMAF项目不断优化和扩展其功能，为用户提供了更加高效和准确的视频质量评估工具。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
