넷플릭스 VMAF v1 출시: 비디오 품질 평가의 새로운 기준

VMAF v1은 기존 VMAF v0의 압축 아티팩트(Compression Artifacts) 편향을 해결하기 위해 AIM(Additive Impairments) 컴포넌트를 추가했다. 이는 DLM(Detail Loss Metric)과 결합되어 블록 노이즈 같은 시각적 왜곡에 대한 민감도를 높인다. 또한, CAMBI(Contrast Aware Multiscale Banding Index)를 통합하여 기존 모델에서 잘 포착하지 못했던 밴딩(Banding) 현상을 효과적으로 감지한다. 이러한 개선은 비트레이트(Bitrate) 대비 화질 최적화 과정에서 더 나은 의사결정을 가능하게 한다.

VMAF v1은 정규화된 시청 거리(Normalized Viewing Distance)를 조절하여 다양한 시청 환경에 대한 예측 정확도를 높였다. 기존 v0의 폰 모델은 후처리 매핑 함수에 의존하여 일반화에 한계가 있었으나, v1에서는 CSF(Contrast Sensitivity Function)를 시청 거리에 따라 변조하는 방식을 채택했다. 이를 통해 4K@1.5H, 4K@3H, 1080p@3H, 폰 시청 환경(5H) 등 다양한 조건에서 동일한 모델을 재학습 및 적용할 수 있게 되었다. 이는 화면 크기 및 시청 거리 변화에 따른 왜곡 가시성 변화를 더 정교하게 반영한다.

VMAF v1은 크로마(Chroma) 채널에 대한 분석을 추가하여 기존 v0의 Luma 중심 분석의 한계를 극복했다. SpEED-QA를 크로마 채널에 적용하여 양자화 및 서브샘플링으로 발생하는 아티팩트를 포착한다. 또한, 모션(Motion) 특징의 상한선을 설정하고 시간적 창(Temporal Window) 확장 옵션을 도입하여 고속 장면에서의 과대 예측 및 프레임 속도(Frame Rate) 변화에 따른 과소 예측 문제를 완화했다. 이는 60fps와 같은 고주사율 콘텐츠의 품질 평가 정확도를 향상시킨다.

VMAF v1은 표준 1080p 모델, 폰 모델, 두 가지 4K 모델(1.5H, 3H)을 제공한다. 각 모델은 특정 시청 환경과 해상도에 맞춰 CSF 및 기본 특징 계산 방식을 조정한다. 특히 4K@3H 모델은 110점까지의 범위를 사용하여 4K 해상도의 이점을 더 잘 나타낸다. v0와의 호환성을 위해 점수 변환(Score Transform)을 적용하여 기존 점수 체계를 유지하면서도 v1의 정확도 향상 이점을 활용할 수 있도록 설계되었다. SRCC(Spearman's Rank Correlation Coefficient) 값은 주관적 평가와의 상관관계를 나타내며, v1은 대부분의 데이터셋에서 v0 대비 동등하거나 우수한 성능을 보였다.

VMAF v1은 새로운 기능 추가에도 불구하고 계산 복잡도(Computational Complexity)를 감소시키는 데 중점을 두었다. VIF(Visual Information Fidelity) 기능을 제거하고, CAMBI 계산 최적화 및 크로마 특징 추출 시 저해상도 스케일 측정을 통해 처리 속도를 향상시켰다. 결과적으로 VMAF v1은 v0 대비 더 빠르면서도 정확한 품질 측정이 가능해졌다. libvmaf 라이브러리의 스레딩 성능(Threading Performance) 개선은 이러한 속도 향상에 기여하며, 특히 대규모 비디오 처리 작업에서 효율성을 높인다.