Evaluate videos with the Advanced Video Quality Tool

Highlight

Apple 发布了 Advanced Video Quality Tool（AVQT），一个 macOS 命令行工具，用 Metal GPU 加速计算压缩视频的感知质量分数（1-5 分），支持 SDR 和 HDR 格式，1080p 视频分析速度可达 175fps。

核心内容

你压缩了一批视频，准备通过 HLS 分发给用户。怎么知道压缩后的质量够不够好？

传统做法是让人类观看并打分。这个方法准确，但无法扩展。一个视频平台可能有成千上万条视频，人工评分不现实。

另一个选择是用 PSNR 或 SSIM 这类客观指标。但这两个指标有个问题：它们在不同内容类型上的表现不一致。一段体育视频和一段动画片，同样的 PSNR 分数，人眼感受到的质量可能完全不同。

Apple 的解决方案是 AVQT。

详细内容

AVQT 是什么

（00:54）

AVQT 是一个 macOS 命令行工具。它接收两个输入：原始视频和压缩后的视频，输出一个 1 到 5 之间的质量分数。分数越高，感知质量越好。

它支持所有 AVFoundation 兼容的视频格式，包括 SDR、HDR10、HLG 和 Dolby Vision。

为什么 AVQT 比 PSNR 更可靠

（04:02）

Apple 举了一个对比例子。

第一段视频是体育片段。压缩后的版本看起来质量不错，PSNR 约 35，AVQT 给出 4.4 分。

第二段视频是人脸特写。压缩后的版本在面部有明显伪影，但 PSNR 同样是约 35。AVQT 给出 2.5 分，提示质量差。

PSNR 对两段视频给出了相同的分数，但人眼感受完全不同。AVQT 的评分更接近人类判断。

Apple 在两个公开数据集上验证了 AVQT 的准确性：

Waterloo IVC 4K：20 段源视频，480 段压缩视频，覆盖 4 种分辨率和 2 种编码标准
VQEG HD3：9 段源视频，72 段压缩视频，1080p 分辨率

AVQT 在这两个数据集上都表现出高 PCC（Pearson 相关系数）和低 RMSE（均方根误差），意味着预测分数与人类主观评分高度一致。

计算速度

（07:58）

AVQT 用 Metal 把像素级计算 offload 到 GPU。1080p 视频的分析速度是 175fps。

一个 10 分钟、24fps 的 1080p 视频，AVQT 在 1.5 分钟内就能完成质量评估。

你不需要手动把视频解码成原始像素格式。AVQT 内部处理所有预处理步骤。

观看环境感知

（08:55）

观看距离和屏幕尺寸会影响人眼对视频质量的感知。同样一段视频，在 1.5 倍屏幕高度距离观看，和在 3 倍距离观看，感受到的质量不同。

AVQT 接受 viewing-distance 和 display-resolution 参数，把观看环境纳入评分计算。

avqt reference.mov compressed.mov --output scores.csv \
  --viewing-distance 3.0 --display-resolution 3840x2160

（09:24）

关键点：

reference.mov 是原始高质量视频
compressed.mov 是待评估的压缩视频
--output 指定输出 CSV 文件
--viewing-distance 以屏幕高度倍数为单位
--display-resolution 指定显示分辨率
默认 segment 时长为 6 秒

用 AVQT 优化 HLS 码率

（12:54）

HLS 的分层编码需要为每个分辨率选择合适的码率。Apple 在 HLS Authoring Specification 中给出了推荐值，但这些只是初始目标。不同内容的编码复杂度不同，最优码率也不同。

AVQT 可以作为反馈工具，帮你找到每个分层的最佳码率：

用推荐码率编码源视频，生成 HLS 分层
用 AVQT 对比源视频和编码后的分层，得到质量分数
如果分数低于阈值，调整码率重新编码
重复直到质量达标

Apple 举了一个具体例子。2160p 分层用 11.6 Mbps 编码，动画片段的 AVQT 分数超过 4.5（接近优秀），但体育片段只有约 3.5。把体育片段的码率提高 10% 后，AVQT 分数超过了 4.5。

# 第一步：用初始码率编码
# 第二步：运行 AVQT
avqt source.mov tier_2160p.mov --output tier_scores.csv

# 第三步：分析分数，调整码率，重新编码
# 第四步：再次运行 AVQT 验证

（14:45）