高質量實時網絡視頻黃金幀編解碼器的實現

在某個層面上，On2 科技有限公司 (On2 Technologies) 的 TrueMotion VP7 技術實現這一目標的方式與其它視頻編解碼器幾乎相同。它同樣采用運動補償來消除時間冗余，采用基于頻率的模塊變換來消除空間冗余，采用一個環(huán)路濾波器來處理模塊變換的方塊效應，并采用熵編碼來消除統計相關性。不過，On2 的VP7技術卻包含了多項使其與眾不同、脫穎而出的創(chuàng)新性技術，而且這些技術目前正在申請專利。

黃金幀 (Golden Frame)

對 On2 TrueMotion 編解碼器的新用戶而言，最令人驚喜的功能之一是黃金幀。就像其它壓縮器一樣，TrueMotion 也保留一個最新解壓的幀作為當前幀的預測器。目前的各種編解碼器中，有些保留最后幾個幀；有些則采用一個無序解壓的未來幀，然后用作預測器 (如在 B 幀之前傳輸 P 幀)。TrueMotion 編解碼器和 VP7 則特別改為保留過去任意一個解壓數據的幀。這種編解碼器能夠更新某個幀在未來任一點的任何部分。我們稱這種二級參考幀為黃金幀，并已發(fā)掘出它的眾多用途。

圖1：On2 VP7的幀類型

注：這些幀類型僅供參考。利用 VP7 入門開發(fā)工具包，，用戶可以準確控制幀何時使用或更新黃金幀或最后的幀參考緩沖器。

前景影響大

我們發(fā)現黃金幀的第一個用途是前景和背景視頻的分割。例如，大多數視頻會議應用中，總是有一個人在靜態(tài)的背景前面講話。這個發(fā)言人遮蔽了背景，但隨著他在座位上的移動，會顯露出局部背景。TrueMotion編解碼器利用非移動的高質模塊來更新黃金幀，即使前景快速移動，也可以保持高質量的背景圖像。

丟包恢復

我們還可以在丟包情況下采用黃金幀。在一般的視頻會議系統中，接收器在發(fā)現丟包時，會用信號通知發(fā)送者。發(fā)送者一接收到這個信號，就會對一個獨立于前面各幀的幀 (即‘關鍵幀’) 進行編碼來恢復。該幀由于必須從頭開始編碼，故往往非常大，這會導致視頻的播放斷斷續(xù)續(xù)。另一種情況是，這是一個低質量的幀，看起來比周邊的幀要模糊，而且產生視覺干擾脈沖。

On2 的VP7視頻會議系統提供一個更好的選擇方案：發(fā)送者可以發(fā)送一個只涉及黃金幀的幀。我們稱之為恢復幀。由于我們不必對幀從頭開始編碼，因此可以獲得一個質量更好而且更小的幀。

VP7恢復幀
幀0是關鍵幀
幀1到6都只根據前一個幀來構建預測器
幀7只以幀0為參考
即使幀1到6中的任何一個丟失了，VP7仍然能夠對幀7進行解碼，因為它只以幀0為參考

圖2：利用恢復幀來處理丟包問題

視頻會議

多方視頻會議也可以采用黃金幀。在多方會議系統中，各個用戶的連接帶寬都不同。一般的解決方案是把帶寬減小到一個假定的最小公分母：所有用戶都以最慢的連接都能接收的速度來收取數據。

基于On2 VP7技術的系統則采用了一種新穎的替代方案。通過使用黃金幀、普通幀和可拋棄幀，VP7 可獲得四個級別的有限時間可調性。這意味著我們可以根據每一方的需要生成不同的比特流 (參見圖3)。這樣，會議中的高清方就不會受到較低速連接的影響。最重要的是，這種方案無需額外的CPU成本。

圖3：采樣時間可調性模式和On2 VP7

每一個比特流都需要較低的幀速率來解碼。因此，帶寬最低的用戶可以接收 5 fps 的比特流；而帶寬最大的用戶可接收全 30fps。

黃金質量

On2 VP7技術還利用黃金幀來提高質量。在極緩慢地移動的鏡頭或變焦中，一個周期性的高質量黃金幀會恢復在重復應用環(huán)路濾波器或亞像素運動 (sub-pixel motion) 時所丟失的細節(jié)，從而保持圖像的質量，而結果可以相當明顯 (見圖4)。在另一些情況下，黃金幀還可作為一個良好的預測器，預測屏幕上的某些圖像何時返回到先前的位置。

豎：平均峰值信噪比 (分貝) 橫：數據率 (每秒千比特)

圖4：采用與不采用黃金幀的移動及日歷的峰值信噪比 (PSNR) 之對比

實時質量

在最簡單的模式下，On2 VP7編碼器使用的周期數只比解碼器多 30％，但仍然保持出色的質量。當有大量可用周期時，實時 VP7 更能夠產生媲美最佳離線編碼的質量。而且，這是自動實現的：VP7 乘以每一個編碼幀，并自動調節(jié)其復雜性，以確保盡可能利用可用周期來獲得最佳質量。

能夠達到這樣，是因為 TrueMotion VP7 采用了一套自適應算法 (adaptive algorithms) 和探試性 (heuristics) 方法。這些算法決定哪些運動向量和模式最可能產生最佳結果。工作良好的模式和運動向量會被探試得更頻繁，而無法產生好結果的模式則被完全關閉、或被禁止到這個在所有模式下的誤差超過了一個自適應閾值。這些閾值和兩次調節(jié)間的周期也都是自適應的。當VP7的壓縮速度足夠快時，閾值和探試周期增加。當VP7工作順利時，對模式的探試便更頻繁。

在VP7擁有多余時間的極端情況下，它會回復到最低和最佳模式，甚至回到允許完全搜索和速率失真優(yōu)化的某一點。在相反的極端情況下，VP7 可能在整個幀上只進行5或6次運動搜索，而每個宏模塊 (macroblock) 只檢查2或3個不同模式，就會產生結果。

實時模式

為了確保靜態(tài)相機的視頻會議具有出色的實時模式，On2 VP7 充分利用了預測有時是接近完美的這項特點。如果VP7 (通過運動或模式搜索) 發(fā)現預測器與它將進行編碼的原始幀非常匹配，它會避免進行大量工作。在這種情況下，VP7放棄了正向變換、量化、令牌化(tokenization)、逆量化、逆向變換和重組代碼等操作。唯一需要保留的是在比特流中加入一套代表所有0的令牌 (token)，并直接把預測器拷貝到幀緩沖器中。如果這種情況時常發(fā)生，編碼器實際上比解碼器運行得快，故無法縮短從比特流讀取令牌的時間。

這種技術可能對感知視頻流質量有重大的影響。它可通過忽略較小的變化 (由相機噪聲引起的波動) 來消除背景噪聲。另外，它讓編碼器把所有可用周期都集中用在包含顯著變化 (移動的部分) 的小部分視頻屏幕上。因此，觀者最關心的圖像部分，亦即發(fā)言者的面孔，將獲得最多的周期。

解碼器的復雜度

為了確保解碼速度，On2 VP7比特流采用了一種創(chuàng)新性的簡單設計。

像其它編解碼器一樣，VP7也采用了一個環(huán)內去塊效應濾波器 (一般稱為環(huán)路濾波器)，以解決模塊邊緣的方塊效應問題。這種方案在模塊邊界上運用了一個自適應的一維 (one-dimensional) 模糊／低通濾波器。VP7 的濾波器可在字符算法中單獨工作，任何可能溢出 (超出字符邊界0-255) 的中間操作都會被鉗位。這就確保了 SIMD 指令使用的最大寬度，并意味著，如果一個處理器能支持64位SIMD，則VP7的環(huán)路濾波器比相同的C操作快了將近8倍。

On2 VP7 的預測濾波器比許多其它編解碼器簡單。預測器總是由單一幀創(chuàng)建，而且在正向和后向參考幀之間絕沒有插補。如果使用了任何亞像素運動，則可在該單一幀上運用單階濾波器來完成。

簡化的熵邏輯

On2 VP7還采用了一種比其它先進編解碼器更簡單的熵 (entropy) 編碼技術。熵解碼包含了簡單的字符算法，可利用乘法或幾種查找算法進行計算。雖然VP7使用了精密的自適應內容建模技術，但若每一比特位都根據比特流進行解析，則不適合。

靈活的解碼實現方案

On2 VP7的比特流劃分方法在構建快速解碼器時保留了許多選項。所有模式和運動向量信息都存儲在一個子流中；所有剩余信息則被存儲在另一個單獨的子流中。創(chuàng)建整個預測幀的工作可被分離出來，在處理器的一個單獨內核上運行，而該處理器會分析和產生剩余信息供稍后重組之用。或者，VP7 解碼器可采用較傳統的運行方法，一次處理一個宏模塊，從一個子流中取出單個模式和運動向量，然后從另一個子流的該宏模塊中取出剩余信息。兩個極端選擇之間可進行折衷，以確保低數據率和低指令緩存失效率。

總結

由于On2的VP7 專有壓縮技術具有種種優(yōu)勢，因此獲得了市場的廣泛采納。黃金幀、出色的實時質量和解碼器的簡易性，都讓On2 VP7成為目前網絡視頻及未來可能應用的理想選擇。