AV1 व्हिडिओ फॉरमॅटसाठी SVT-AV2.0 1 एन्कोडर आणि dav1.4d 1 डीकोडरचे प्रकाशन

SVT-AV1 2.0 (स्केलेबल व्हिडिओ टेक्नॉलॉजी AV1) लायब्ररीचे प्रकाशन AV1 व्हिडिओ एन्कोडिंग फॉरमॅटच्या एन्कोडर आणि डीकोडरच्या अंमलबजावणीसह प्रकाशित केले गेले आहे, ज्याच्या प्रवेगासाठी आधुनिक इंटेल CPU मध्ये हार्डवेअर समांतर संगणनाची साधने वापरली जातात. ऑन-द-फ्लाय व्हिडिओ ट्रान्सकोडिंग आणि व्हिडिओ-ऑन-डिमांड (VOD) सेवांमध्ये वापरण्यासाठी योग्य कामगिरीची पातळी साध्य करण्याच्या उद्देशाने नेटफ्लिक्सच्या भागीदारीत इंटेलने हा प्रकल्प तयार केला आहे. सध्या, AV1 व्हिडिओ एन्कोडिंग फॉरमॅटच्या विकासावर देखरेख करणार्‍या ओपन मीडिया अलायन्स (AOMedia) च्या आश्रयाखाली विकास केला जात आहे. पूर्वी, प्रकल्प OpenVisualCloud प्रकल्पाच्या चौकटीत विकसित केला गेला होता, जो SVT-HEVC आणि SVT-VP9 एन्कोडर देखील विकसित करतो. कोड बीएसडी परवान्याअंतर्गत वितरित केला जातो.

कोणत्याही आर्किटेक्चरवर आधारित सिस्टमसाठी SVT-AV1 एकत्र केले जाऊ शकते ज्यासाठी C99 मानकांना समर्थन देणारा कंपाइलर आहे, परंतु x86_64 सिस्टमवर सर्वोत्तम कार्यप्रदर्शन प्राप्त केले जाते, ज्यासाठी SIMD निर्देशांवर आधारित असेंबली ऑप्टिमायझेशन वापरले जाते (हे असणे इष्ट आहे. CPU मध्ये AVX2 समर्थन, परंतु किमान पुरेसे आहे आणि SS2). मेमरी वापर एन्कोडिंग दरम्यान वापरलेल्या प्रोसेसर कोरच्या संख्येवर अवलंबून असतो, "-lp" पर्यायाद्वारे नियमन केले जाते. AV1 मध्ये वापरल्या जाणाऱ्या अल्गोरिदमच्या जटिलतेमुळे, या फॉरमॅटच्या एन्कोडिंगसाठी इतर फॉरमॅटपेक्षा लक्षणीयरीत्या जास्त संसाधने आवश्यक आहेत, जे रिअल-टाइम ट्रान्सकोडिंगसाठी मानक AV1 एन्कोडर वापरण्याची परवानगी देत ​​नाही. उदाहरणार्थ, AV1 प्रकल्पातील स्टॉक एन्कोडरसाठी x5721 ("मुख्य" प्रोफाइल), x5869 ("उच्च" प्रोफाइल) आणि libvpx-vp658 एन्कोडरच्या तुलनेत 264, 264 आणि 9 पट अधिक गणना आवश्यक आहे.

SVT-AV1 च्या नवीन प्रकाशनातील बदलांपैकी:

• नवीन आवृत्ती क्रमांकावर एक संक्रमण केले गेले आहे, त्यानुसार आवृत्तीमधील पहिला अंक प्रत्येक API/ABI बदलासह बदलेल.
• रिकामी फ्रेम वापरण्याऐवजी शेवटच्या फ्रेममध्ये स्ट्रीम इंडिकेशन (EOS - End Of Stream) च्या संक्रमणाशी संबंधित API मध्ये बदल केले गेले आहेत, ज्यामुळे अतिरिक्त फ्रेमची प्रतीक्षा करण्यात येणारा विलंब दूर झाला आहे. API बदल आधीच FFmpeg कोडबेसमध्ये प्रतिबिंबित झाला आहे.
• थ्री-पास व्हेरिएबल बिटरेट मोड (3-पास VBR) काढून टाकला गेला आहे, आणि आता मल्टी-पास VBR यंत्रणेने बदलला आहे. FFmpeg सह एकीकरण सुनिश्चित करण्यासाठी VBR मल्टी-पास मोड दोन पासांवर कमी केला आहे.
• एन्कोडरमध्ये ऑप्टिमायझेशन जोडले गेले आहेत, परिणामी M9-M13 प्रीसेटची कॉम्प्रेशन कार्यक्षमता 1-4% वाढली आहे आणि LP 5 मोडमध्ये M20 प्रीसेटचा मेमरी वापर 35-8% कमी झाला आहे आणि इतर मोडमध्ये 1-5% ने. इतर प्रीसेटमधील मेमरी वापर 1-5% कमी झाला.
• उच्च दर्जाची गुणवत्ता सेट करणाऱ्या प्रीसेटसाठी गुणवत्ता/गती तडजोडीचे ऑप्टिमायझेशन केले गेले आहे. संदर्भ गुणवत्ता MR प्रीसेट 100% ने वेगवान केले आहे.
• ARM-विशिष्ट ऑप्टिमायझेशन केवळ C-फंक्शन्समध्ये जोडले गेले आहेत.

याव्यतिरिक्त, आम्ही dav1d 1.4.1 प्रकल्पाचे प्रकाशन लक्षात घेऊ शकतो, ज्यामध्ये VideoLAN आणि FFmpeg समुदाय AV1 व्हिडिओ एन्कोडिंग फॉरमॅटसाठी पर्यायी फ्री डीकोडरच्या अंमलबजावणीसह लायब्ररी विकसित करत आहेत. dav1d लायब्ररी AV1 च्या सर्व वैशिष्ट्यांना समर्थन देते, ज्यात प्रगत प्रकारचे सबसॅम्पलिंग आणि तपशील (8, 10 आणि 12 बिट) मध्ये नमूद केलेल्या सर्व रंग खोली नियंत्रण मापदंडांचा समावेश आहे. dav1d चे मुख्य वैशिष्ट्य म्हणजे जास्तीत जास्त शक्य डीकोडिंग कार्यप्रदर्शन साध्य करणे आणि मल्टी-थ्रेडेड मोडमध्ये उच्च-गुणवत्तेचे कार्य सुनिश्चित करणे हे त्याचे लक्ष आहे. प्रोजेक्ट कोड C (C99) मध्ये असेंब्ली इन्सर्ट (NASM/GAS) मध्ये लिहिलेला आहे आणि BSD परवान्याअंतर्गत वितरित केला जातो. x86, x86_64, ARMv7 आणि ARMv8 आर्किटेक्चर्स आणि ऑपरेटिंग सिस्टम्स FreeBSD, Linux, Windows, macOS, Android आणि iOS साठी समर्थन लागू केले गेले आहे.

आवृत्ती dav1d 1.4 नवीन Loongarch आणि RISC-V आर्किटेक्चरला समर्थन देण्यासाठी, तसेच AVX-512 सूचनांवर आधारित अतिरिक्त ऑप्टिमायझेशन सादर करण्यासाठी, ARM सिस्टीमवर 6tap फिल्टरच्या ऑपरेशनला गती देण्यासाठी, मल्टी-थ्रेडेड कामाची कार्यक्षमता वाढवण्यासाठी आणि कमी करण्यासाठी उल्लेखनीय आहे. ARM64, ARM32 आणि RISC-सिस्टम V वर बायनरी डेटाचा आकार. निश्चित भेद्यता CVE-2024-1580, ज्यामुळे खूप मोठ्या फ्रेम आकारांवर प्रक्रिया करताना पूर्णांक ओव्हरफ्लोमुळे सीमाबाह्य लेखन होते.

स्त्रोत: opennet.ru