Il deep learning aiuterà a impedire ai video di intasare Internet

Il video riempie Internet. Circa il 75% di tutto il traffico è costituito da contenuti video e si prevede che questo volume aumenterà di tre volte entro il 2021.

Se non vogliamo che l'insaziabile domanda di video di gatti e servizi di streaming ostruisca per sempre le condutture, dovremo fare affidamento sulla compressione video. Questo è il processo di ricodifica di un file video in modo che sia più piccolo dell'originale. Ma le attuali tecniche di compressione sono antiche per gli standard della tecnologia moderna. I fondamenti degli algoritmi di compressione video esistenti non sono cambiati considerevolmente negli ultimi 20 anni, affermano Oren Rippel e co di WaveOne, un'azienda di deep learning che sta tentando di trascinare la compressione video nel 21° secolo.

Questi ragazzi hanno utilizzato il deep learning per sviluppare un nuovo algoritmo di compressione che supera significativamente le prestazioni dei codec video esistenti. A nostra conoscenza, questo è il primo metodo basato sull'apprendimento automatico per farlo, dicono.

L'idea di base alla base della compressione video è rimuovere i dati ridondanti da un codice e sostituirli con una descrizione più breve che consenta comunque di riprodurre il video in un secondo momento. La maggior parte della compressione video avviene in due passaggi.

Il primo, la compressione del movimento, cerca oggetti in movimento e tenta di prevedere dove si troveranno nel fotogramma successivo. Quindi, invece di registrare i pixel associati a questo oggetto in movimento in ogni fotogramma, l'algoritmo codifica solo la forma dell'oggetto, insieme alla direzione di marcia. In effetti, alcuni algoritmi guardano ai frame futuri per determinare il movimento in modo ancora più accurato, sebbene questo ovviamente non possa funzionare per le trasmissioni in diretta. Il risultato è che il video compresso traduce semplicemente l'oggetto sullo schermo.

La seconda fase di compressione rimuove le altre ridondanze tra un frame e l'altro. Quindi, invece di registrare il colore di ciascun pixel in un cielo blu, un algoritmo di compressione potrebbe identificare l'area di questo colore e specificare che non cambia nei fotogrammi successivi. Quindi questi pixel rimangono dello stesso colore finché non viene detto di cambiare. Questa è chiamata compressione residua.

Il nuovo approccio sperimentato da Rippel e collaboratori utilizza l'apprendimento automatico per migliorare entrambe queste tecniche di compressione. Prendi la compressione del movimento, in cui le tecniche di apprendimento automatico del team hanno trovato nuove ridondanza basate sul movimento che i codec convenzionali non sono mai stati in grado di sfruttare.

Ad esempio, la testa di una persona che passa da una vista frontale a una vista laterale produce sempre un risultato simile. I codec tradizionali non saranno in grado di prevedere una faccia del profilo da una vista frontale, affermano Rippel e co. Al contrario, il nuovo codec apprende questi tipi di schemi spazio-temporali e li usa per prevedere i frame futuri.

Un altro problema è distribuire la larghezza di banda disponibile tra movimento e compressione residua. In alcune scene, la compressione del movimento è più importante; in altri, la compressione residua fornisce i maggiori guadagni. Il compromesso ottimale tra loro varia da fotogramma a fotogramma.

Gli algoritmi di compressione tradizionali lo trovano difficile perché comprimono entrambi i processi separatamente. Ciò significa che non esiste un modo semplice per scambiarli.

Rippel e co aggirano questo problema comprimendo entrambi i segnali contemporaneamente e utilizzano la complessità del frame per decidere come distribuire la larghezza di banda tra di loro nel modo più efficiente.

Questi e altri miglioramenti hanno consentito ai ricercatori di creare un algoritmo di compressione che supera significativamente le prestazioni dei codec tradizionali. Quando si comprimono video ad alta definizione (1080p), i normali algoritmi di compressione, come H.265 e VP9, ​​producono file più grandi del 20% rispetto a quelli prodotti dal nuovo algoritmo.

E i guadagni sono ancora maggiori per i video a definizione standard, come HEVC/H.265 e AVC/H.264. Questi in genere producono file fino al 60% più grandi rispetto al nuovo approccio del team.

Questo è un guadagno impressionante che potrebbe ridurre significativamente le dimensioni e i tempi di download associati ai video online.

Tuttavia, il nuovo approccio non è privo di alcune carenze. Forse la cosa più significativa è la sua efficienza computazionale: il tempo necessario per codificare e decodificare i video. Su un rig Nvidia Tesla V100 e su video di dimensioni VGA, il nuovo decoder funziona a una velocità media di circa 10 fotogrammi al secondo con l'encoder che opera a circa 2 fotogrammi al secondo. Che ha un'applicazione limitata per una trasmissione in diretta.

Naturalmente, i ricercatori si aspettano di apportare miglioramenti significativi mentre vanno oltre la fase di prova di principio. La velocità attuale non è sufficiente per l'implementazione in tempo reale, ma deve essere notevolmente migliorata in futuro, affermano.

Il che significa che grazie a questo tipo di approccio di apprendimento automatico, i futuri cybersurfisti dovrebbero essere in grado di scaricare i loro video di Game of Thrones o di gatti in tempi record e trasmettere in streaming le loro partite di calcio ad alta definizione in modo più efficiente che mai.

Rif: arxiv.org/abs/1811.06981 : Appreso la compressione video

nascondere