Netflix'in Emmy ödüllü VMAF'ı yeni modellerle geldi ve özel eğitim araçlarını açık tutuyor

Hikâye

Netflix'in VMAF'ı, video kalitesini insan izleyicilerin algıladığı şekilde değerlendiren, Emmy ödüllü açık kaynak kütüphane, Hacker News'in ana sayfasında öne çıktı. Projenin GitHub sayfası hâlâ çok aktif bir kod tabanını gösteriyor: Haziran 2026'da yeni bir nesil kalite modeli geldi ve paket, bu alanda alışılmadık bir şey sunmaya devam ediyor — herkesin kendi görüntüleri üzerinde özel bir kalite modeli eğitip test edebilmesi.

VMAF ne yapıyor

Genellikle Video Multi-method Assessment Fusion olarak açılan VMAF, Netflix'in çok yöntemli füzyon üzerine kurulu algısal video kalitesi değerlendirme algoritması. Tek bir ölçüme güvenmek yerine, birkaç ölçümü insanların görüntü kalitesini gerçekte nasıl algıladığını yansıttığı düşünülen tek bir puanda birleştiriyor. Depoya göre bu çalışma projeye bir Emmy ödülü kazandırdı.

Paketin birkaç katmanı var. libvmaf, ölçütün başka yazılımlara gömülmesi için bağımsız bir C kütüphanesi; bir Python kütüphanesi de onu test, model eğitimi ve doğrulama, veri seti işleme ve veri görselleştirme betikleriyle sarıyor. Bir komut satırı aracı, üretim dağıtımları için eksiksiz uygulamayı sunuyor. VMAF ayrıca configure aşamasında etkinleştirilmek üzere FFmpeg'e bir filter olarak entegre edildi ve proje bir Docker imajı ile Windows derleme talimatları sunuyor.

Füzyonlanmış ölçütün kendisinin yanında libvmaf, PSNR, PSNR-HVS, SSIM, MS-SSIM ve CIEDE2000 uygulamalarını da içeriyor; böylece ekipler öğrenilmiş puanı klasik alternatiflerle karşılaştırabiliyor.

Yeni modeller ve yakın tarih

Projenin haber bölümüne göre Netflix, Haziran 2026'da v1 etiketli yeni bir model seti yayınladı ve dokümantasyon model seçimi rehberliği sunuyor. Önceki nesil v0 belgelenmeye devam ediyor ve Netflix, v1'i kullanıcı geri bildirimlerine dayanarak geliştirmeye devam edeceğini söylüyor.

Kütüphane altında istikrarlı biçimde evrildi. libvmaf v3.0.0, Aralık 2023'te optimizasyonlar, hata düzeltmeleri ve v2.0.0 sürümünde kullanımdan kaldırılan API'lerin kaldırılmasıyla geldi. Aralık 2020'deki v2.0.0 sürümü, x86 SIMD optimizasyonlarıyla — AVX2 ve AVX-512 — sabit noktalı (fixed-point) bir uygulama getirdi ve bu, önceki kayan noktalı koda kıyasla verimi kabaca ikiye katladı; ayrıca daha genişletilebilir yeni bir API geldi.

Öne çıkan iki ekleme daha var. Codec'leri değerlendirirken ölçütü daha adil yapmak için Temmuz 2020'de bir No Enhancement Gain (NEG) modu eklendi; bu, görüntü iyileştirme varken puanın nasıl davrandığı sorununu ele alıyor. Ve Ekim 2021'de Netflix, düz geçişlerde (gradient) ortaya çıkan banding veya contouring artefaktlarını tespit eden bir dedektör olan Contrast Aware Multiscale Banding Index'i (CAMBI) açık kaynak yaptı. CAMBI, projenin changelog'una göre daha sonra yüksek kontrastlı banding'i yakalama ve full-reference çalışma parametreleri ile 4K çözünürlükte yaklaşık 4,5 kat hızlanma kazandı. Lisans da Şubat 2020'de Apache 2.0'dan BSD+Patent'e geçti; Netflix bu değişikliği daha izin verici ve açık bir patent hibeisini kapsayan bir adım olarak nitelendiriyor.

Kendi kalite modelinizi eğitin

VMAF'ı Netflix ötesinde güncel tutan özellik, özel modelleri eğitip test etmek için Python araçları. Algılanan kalite içerik türüne göre değişir — animasyon, canlı spor ve film grain, encoder'ları çok farklı şekillerde zorlar — bu yüzden bir katalogda ayarlanmış bir ölçüt başka bir katalog için optimal olmayabilir. Depoda paketlenmiş veri seti işleme, eğitim ve doğrulama betikleriyle diğer yayın servisleri ve encoder üreticileri, modeli Netflix'in varsayılanlarına bel bağlamak yerine kendi öznel test verilerine uydurabiliyor.

Codec testlerinde benimsenme

VMAF ayrıca standartlar çalışmasına yayıldı. Alliance for Open Media, onu codec uygulamalarını tekrarlanabilir bir şekilde birbirleriyle karşılaştırmak için kullanılan çerçeve olan AOM common test conditions kapsamında standart uygulama ölçütleri aracı olarak tanımladı.

Neden önemli

Yayınlanan video, bitrate ile algılanan kalite arasında sürekli bir dengedir ve insan algısını yanlış değerlendiren bir ölçüt kötü kodlama kararları üretir — ya boşa harcanan bant genişliği ya da görünür bozulma. Geleneksel seçenek olan PSNR'ın izleyici görüşüyle zayıf korelasyon gösterdiği biliniyor. FFmpeg üzerinden çalıştırılabilen, bir C kütüphanesiyle gömülebilen ve özel içerikte yeniden eğitilebilen açık, Emmy tarafından tanınan bir ölçüt, daha küçük platformlara bir zamanlar Netflix'in araştırma bütçesine sahip şirketlere özgü olan araçlara erişim sağlıyor. Netflix'in aktif olarak geri bildirim istediği Haziran 2026 v1 sürümü, arşivlenmiş değil, bakımı yapılan bir projeye işaret ediyor — ve AOM'un test conditions içindeki rolü, buradaki iyileştirmelerin gelecekteki video codec'lerinin nasıl değerlendirileceğini fiilen şekillendireceği anlamına geliyor.