2015年、ネットフリックスが完成させ、自社のライブラリ全体に適用した研究に、世界中のビデオヘッズが驚嘆した。タイトルごとのエンコード最適化アプローチは、各タイトルの分析を活用し、フレーム内のアクションの複雑さに基づいてエンコードの最適な方法を決定した。
映像の複雑さを考慮する
簡単に言えば、すべての映像が同じというわけではない。スポーツは、選手だけでなくカメラの動きなど、シーン間の動きが多いので複雑だ。一方、エピソードドラマはシーン間の動きが少なく、ニュースや時事番組のトーキングヘッドは一般的に動きが少ない。
この動きはエンコードの複雑さに関係している：コンテンツが多ければ多いほど、エンコードする動画は複雑になる。Netflixのアプローチは、各コンテンツを見て、その固有の複雑さに基づいてエンコード方法を決定することでした。誰よりも多くのストリームを配信する組織にとって、少しでも節約し、少しでもストリームを最適化することは、投資に対する大きな見返りをもたらします。
この革新が印象的であったように、この分野には常に別の角度から課題に取り組む技術者がいる。こうして私たちは、切手サイズのビデオから今日のHDR 4K、DVR対応のライブ体験、そしてその先へと進んできた。次の技術革新がどんなに素晴らしいものであっても、より優れたネズミ捕りを作る方法を考える別のストリーミング技術者がいるようだ。
文脈を考慮したエンコーディングの構築
この場合、Yuriy Reznik 博士率いるブライトコーブの動画研究チームは、ブライトコーブの最新の動画イノベーションの 1 つであるコンテキスト アウェア エンコーディング（CAE）を思いつきました。CAE は、コンテンツ ベースのエンコーディング最適化の概念を、ネットワーク状況や視聴者のデバイス分布に関する追加情報で補強します。
コンテクスト・アウェア・エンコーディングは、圧縮のエキスパートが箱の中に入っていると考えてください。処理されるすべてのタイトルとその中のすべてのフレームについて、CAEはソースアセットを調べ、ターゲットデバイスとストリームが配信されるネットワークについても計算しています。
このアプローチを使用すると、ビットレートラダーの複数の属性が調整されるようにエンコーディングプロセスを最適化し、ビットレートだけでなく、必要のないレンディションを節約することができます。このアプローチでは、ほとんどのコンテンツタイプで平均して3分の1、フレーム内アクティビティがかなり単純なものでは50％の節約になります。
文脈を考慮したエンコーディングのテスト
特に注目すべきは、動画業界で最も有名な動画専門家の 1 人である Jan Ozer 氏が、広範かつ主観的なテストにおいて、ブライトコーブのコンテクスト アウェア エンコーディングを評価したことです。
ヤンの言葉を借りれば
「CAE はなぜ成功したのでしょうか？この低モーションの合成動画により、ブライトコーブは従来のラダーよりも高解像度の動画を低ビットレートの視聴者に配信することができたからです。この結果は、タイトルごとのエンコーディングの主な利点を示しています。視聴者はより幸せになり、帯域幅の消費は減り、7 段のはしごから 4 段のはしごに下がることで、ストレージとエンコーディングのコストが削減されます。
これは、Context-Aware Encodingに対する最初の素晴らしいフィードバックであり、まだ始まったばかりである。
より多くのパブリッシャー、ネットワーク、放送局と協力し、より多くのコンテンツを処理するにつれて、アルゴリズムは時間をかけて学習していきます。最終的には、リッチで魅力的な動画体験をあらゆる場所の視聴者に提供するためのコストを削減し、メディア体験を変革し続けることを意味します。
