lswcap
每天都有数亿个视频发布在Facebook上。但是，如果您希望能够以尽可能少的缓冲来提供最高质量和分辨率的所有视频，则应使用视频的最佳编解码器设置对它们进行编码。 Facebook吸引了Facebook Engineering的关注，他解释了正在采取的一种优化视频编码的新方法。
当将视频上传到Facebook时，根据平均比特率，编码会以各种分辨率（例如360p，480p，720p和1080p）开始。在这种情况下，压缩效率和视觉视频质量所需的计算能力会根据所使用的编解码器和设置而变化。
当然，由于不可能同时编码大量视频，因此视频处理队列具有优先级并按顺序进行。据说，优先级首先是由各种因素决定的，例如视频的总时长，视频的内容以及上传视频的朋友和关注者的数量。 Facebook试图通过适当分配视频编码优先级来优化用户体验。
但是，Facebook承认这种方法有其缺点。由于视频编解码器及其设置每天都是新的，因此视频编码模式是如此之大，以致无法完全优化用户体验。
此外，Facebook指出，Facebook的视频消费模式存在偏差。例如，如果将迪士尼等大公司的Facebook页面与一般中小型视频博客作者的Facebook页面进行比较，则迪士尼会不可避免地增加其优先级，因为即使视频上传数量少于Vlogger。但是，如果您优先考虑消耗大量视频的页面，则将忽略对小型制作人的支持。
因此，Facebook说，它已经引入了视频编码的成本效益模型，目的是对高质量的上传视频进行快速编码。 Facebook以这种方式定义了利润，成本和优先级。利润是固定质量，编码产品组的相对压缩效率×有效估计的总回放时间，成本是产品系列中缺少的编码计算成本，优先级是利润/成本。
可以说可以与编码套件一起交付的一组编码文件，例如H.264 360p和480p，720p和1080p，可以构成一个编码套件。压缩效率显示了在特定编解码器设置中对1GB视频进行编码时，视频播放时间是多少分钟。
正确的预测总播放时间是根据机器学习模型对视频的总播放时间的估计。这显示了编码的视频可以在设备上播放多少。例如，假设要播放预计总持续时间为100小时的视频的设备中有20％无法播放使用VP9编码的视频，则以广泛通用的H.264编码的视频的有效预测持续时间为100小时并进行了编码与VP9。现在是80个小时。
机器学习模型根据视频上传的判断，朋友和关注者的数量，到目前为止上传的视频的平均总播放时间以及视频元数据平台的过去流行度来预测总播放时间。根据Facebook的说法，过去的总播放时间数据是视频总播放时间预测中最好的预测器。还可以说，总播放时间根据是几秒钟的故事视频还是几小时的实况转播而有很大的变化。
通过采用一种使用机器学习模型计算优先级的新方法，可以比以前更有效地对上传到Facebook的视频进行编码。结果，Facebook表示，它使得继续投资更新和更高级的编解码器变得更加容易，从而为Facebook用户提供了最高质量的视频体验。相关信息可以在这里找到。
Add comment