VMAF（Video Multi-Method Assessment Fusion）是Netflix开发的视频质量评估工具，通过机器学习预测视频质量。本文介绍了VMAF的编译、使用，包括在FFMPEG中的libvmaf过滤器应用，以及执行libvmaf和vmafossexec的注意事项。VMAF的优点在于更好地捕获编解码器差异，但缺点是全参考指标，不同分辨率视频无法直接比较。
1 VMAF是什么？
视频多方法评估工具（VMAF）是由Netflix与南加州大学，南特大学IPI / LS2N实验室以及德克萨斯大学奥斯汀分校的图像和视频工程实验室合作开发的一种客观的全参考视频质量指标。VMAF根据参考和失真的视频序列，借助机器学习和人类视觉模型来客观预测和评判视频质量。该指标可用于评估不同视频编解码器，编码器，编码设置或传输变体的质量。
github地址：
https://link.zhihu.com/?target=https%3A//github.com/Netflix/vmaf国内也有对应的镜像，访问速度杠杠的
mirrors / Netflix / vmafcodechina.csdn.net/mirrors/Netflix/vmaf正在上传…重新上传取消
VMAF软件包包括一个独立的 C 库及其包装 Python 库。Python 库还提供一组工具，允许用户训练和测试自定义的 VMAF 模型。有兴趣的同学可以查看源码进行模型训练，github中介绍最新速度优化、新的 API 设计和引入适合编解码器评估的 NEG 模式。同时 git
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
