近日，莫斯科国立大学举办的世界视频编码器大赛传来喜讯。金山云自主研发的KAV1编码器在UGC赛道中拔得头筹。MSU视频编码大赛是一场全球性的盛宴，在视频编码领域具有巨大的影响力。至今已连续举办15届，每年都吸引了众多国内外重量级企业和机构参与。此次金山云KAV1在UGC赛道夺冠，不仅证明了金山云在视频编码领域的团队实力和创新潜力，也让业界看到了AV1未来广阔的应用前景。目前，UGC（UserGeneratedContent，用户生成的内容）和PGC（ProfessionallyGeneratedContent，专业制作的内容）是互联网视频的两大主要来源。作为一种泛流行的传播范式，UGC拍摄的低门槛可以满足普通人的自我表达诉求，因为每个人都可以用短视频这种最简洁直观的形式，与他人分享自己的观点，与生活一起分享社会。事实上，在抖音、快手、B站等视频社交平台上，无论是长视频还是短视频，用户参与（UGC）的比重都更大。除了内容来源不同，PGC视频和UGC视频的区别还在于整体质量的不同。在拍摄PGC视频时，我们会选择更好的灯光对比度和合理的动静比例，在制作前期也会采用专业的编码方式来保证压缩质量。相比之下，UGC的拍摄、制作、压制和后期效果都是由非专业人士完成的，缺乏对拍摄环境的把控，在制作前期会出现对焦失真、模糊、噪点等问题，而且加工的过程中也会出现问题。视频多次转码的难度也会随着转码次数的增加而增加。尽管如此，鉴于全球视频云服务的主要流量是UGC，专注于UGC编码更能贴合实际业务场景，这也是MSU大赛UGC赛道的初衷。本次UGC赛道视频取自网络上几个高自由度的原创视频平台。它们是通过遵循MSU一直使用的时空复杂度聚类方法获得的。它们涵盖了各种场景。本次UGC赛道结果显示，金山云KAV1在人工评测中比Reference（X265）压缩率提升41%（去年主观赛道冠军相比X265提升33%），相比svt-av1、VP9和x264分别提升了45%、71%和73%，足以看出金山云KAV1相比UGC赛道中其他编码器的优势。MSU比赛现有的主观、客观、4K等赛道主要集中在AV1和VVC。这些编码器都是为4K、8K等高清视频而生。在一些低清场景下，它们的优势可能不如目前流行的。x265等编码器是显而易见的。作为AV1标准的自研编码器，金山云KAV1以“一切为了高清”为目标，但在UGC场景也有着明显的优势。据悉，本次MSU大赛，金山云专业视频编码器研发团队在编码器和AI两个方向取长补短，研发出符合人眼感知模型的KAV1。金山云KAV1首次参与编码器领域的盛宴就取得了不错的成绩，这说明金山云在AI和编解码方面的研发近年来不断取得成果。KAV1背后的功臣：感知评价指标KPA焦点失真、模糊、噪声、巨大的场景区分等因素使得UGC视频的主观优化成为比PGC视频更具挑战性的部分。为了更好地优化UGC场景的编码效果，金山云自主研发并发布了图像视频感知评价指标金山云感知评估（KPA）。在本次MSU比赛中，利用KPA的强大能力，金山云KAV1在继承经典视频混合框架的基础上，重新设计了基于KPA的RDO目标函数，同时使用JND+KPA极大地剔除了代码率所占区域，包括时域和空气域的采集噪声、压缩引起的压缩噪声、暗场和高频集中等不敏感区域。同时，预测、变换、量化、熵编码等各个过程的压缩效率得到全面提升。例如，WarpMotion技术用于改进局部仿射运动的估计；加入DCT-8/DST-7等变换，提高残差的变换效率。;微调每个编码单元的QP以获得更好的码率分配；创新超越经典CABAC算法的熵编码机制。通过这些手段，金山云KAV1在保证压缩率的同时，大幅提升了画质。（左）x265编码的图像（右）金山云KAV1编码的图像目前能达到商用水平的评价指标非常少，学术界的评价指标主要针对边界条件非常清晰的场景。除了PSNR和SSIM之外，商业级的全参考评价指标是Netflix在2016年发布的VMAF。但是VMAF主要是针对Netflix的PGC场景设计的，不能直接用在UGC视频中。KPA主要针对UGC视频，除了一般的整体质量评价外，还包括细分维度质量、局部质量等细分评价指标。KPA在研发过程中，通过采集各种场景下的UGC和PGC视频，并保证至少50名专业评测人员对每段视频进行主观评价，从源头上避免了数据主观评价波动和准确性问题。同时，对采集到的数据从内容、场景、质量等多个维度进行均衡筛选，在确保数据规模远超业界开源数据的基础上，提升数据的多样性。在模型层面，通过攻防设计、协同学习、难样本挖掘等方法，提高模型的鲁棒性和准确性。在UGC场景下，无论是SROCC还是gMAD得分都优于业界知名的参考算法VMAF。在高清视频的趋势下，用户对视频的要求不断提高，这将对视频编解码技术提出越来越高的要求。基于在视频编解码方面的优势，金山云一直坚持以科技立业，不断探索核心技术，不断寻求突破。
