2019年情境感知编码买家指南

有无数的方法可以解决降低整体视频传输成本的问题, 但是有一个基本的领域没有涉及到整个价值链，那就是视频编码, 甚至是视频的一部分, 根据内容(视频中的内容)或上下文(视频将被消费的地方).

立即访问我们的2019年百家乐软件手册. 立即注册免费下载整个问题!

2018年是上下文感知编码(CAE)成为主流的一年 Streaming Media 报道了该领域的一些进展, 包括主要点播视频内容库的演示，使用离散参数重新编码一整季的剧集. 这些特定于标题的编码参数被Netflix等公司用于在一般级别上优化质量, 假设一个电视剧在一年中有十几个独立的节目在整个季节都有相同的“外观和感觉”.

More than likely, 考虑到机器学习(有时也被称为人工智能或AI)的进步，以及使用基于云的转码基础设施进行按需编码的大规模并行化, 2019年将是上下文感知编码达到临界质量的一年.

在今年的其他地方 流媒体行业资料手册, 有一个关于人工智能和机器学习现状的广泛讨论, 但是在购买提供上下文感知编码功能或内容感知编码功能的产品或服务时，本买家指南将关注两个实际领域.

背景是什么??

如果编码是为了节省总带宽, 一个主要因素是内容被消费的地点. 传统的编码方法需要为库中的每个视频创建典型设置.

在视频将被流式传输到多个设备的情况下(例如.g., 使用蜂窝数据网络的移动电话以及使用有线以太网连接的机顶盒), 必须有多个编码参数, 每一种类型的设备对应一个将被传送的视频.

这种对上下文的意识导致了通常被称为 rendition-比特率的离散组合, codecs, frame rates, 以及在特定设置下为特定设备提供节省带宽结果的图像分辨率. For example, 使用蜂窝数据的移动设备很可能会遇到高比特率编码, 而同样的移动设备在Wi-Fi上则不会. 这种基本的上下文感知编码旨在在离散的内容-设备-网络组合中节省特定的带宽, 生成对给定视频库进行编码的再现矩阵.

即使这种方法在每季剧集的水平上进行了微调, though, 这仍然是一种尽力而为的方法，更像是用大棒而不是手术刀来做手术. 上下文感知编码的新方法, 由Brightcove和其他公司在2018年推出, 设想在每个节目的基础上微调参数, 甚至在更激进的解决方案中，基于每个场景的编码.

In a 我在Brightcove的建议下撰写的白皮书, 该公司表示，使用上下文感知编码“可能会为用户提供与Netflix等专业压缩团队一样的带宽节省优势，这些压缩团队目前已经在他们自己的每个标题和每个场景编码解决方案中享受了一段时间。.”

网络要素

Brightcove的CAE解决方案侧重于一个经常被忽视的因素，即正确的上下文感知编码——内容将在其上传递的网络.

该公司将网络成分添加到整个编码配方中是有道理的, 因为上下文感知编码的承诺之一是生成微调的再现. As such, 在Brightcove溶液中, “视频资产被分析为最佳比特率, 考虑到预期的传送设备或网络的能力.”

没有网络环境, 以最佳比特率正确编码视频是, at best, a blind gamble.

什么是在它的CDN或OVP?

关于上下文感知编码，我经常被问到的一个问题是，从内容交付网络(cdn)到在线视频平台(ovp)，公司提供节省带宽服务的动机. 趋势似乎是为企业视频客户提供固定价格的套餐, 定价基于内容交付的小时数，而不是整体带宽. As such, 对于CDN或OVP来说，找出减少总带宽的方法是最有利的, CAE只是实现这些整体带宽节省的多种可行方法之一.

考虑到H.264 -也被称为MPEG-4 Part 10或高级视频编码(AVC) -使用基于上下文的编码也是在保持图像质量的同时节省带宽的少数几种方法之一.

关于上下文感知编码的好消息是, 不管编解码器是什么, 总是需要平衡内容-设备-网络交付矩阵. 因此，CAE将继续蓬勃发展，即使H的优势.265(也称为高效视频编码或HEVC).