El aprendizaje profundo ayudará a evitar que el video obstruya Internet

El video llena Internet. Alrededor del 75% de todo el tráfico es contenido de video, y se espera que este volumen crezca tres veces para 2021.

Si no queremos que la demanda insaciable de videos de gatos y servicios de transmisión obstruyan las tuberías para siempre, entonces tendremos que confiar en la compresión de video. Este es el proceso de volver a codificar un archivo de video para que sea más pequeño que el original. Pero las técnicas de compresión actuales son antiguas según los estándares de la tecnología moderna. Los fundamentos de los algoritmos de compresión de video existentes no han cambiado considerablemente en los últimos 20 años, dicen Oren Rippel y compañía de WaveOne, una empresa de aprendizaje profundo que intenta llevar la compresión de video al siglo XXI.

Estos muchachos han utilizado el aprendizaje profundo para desarrollar un nuevo algoritmo de compresión que supera significativamente a los códecs de video existentes. Hasta donde sabemos, este es el primer método basado en el aprendizaje automático que lo hace, dicen.

La idea básica detrás de la compresión de video es eliminar los datos redundantes de un código y reemplazarlos con una descripción más corta que aún permita reproducir el video más tarde. La mayor parte de la compresión de video se lleva a cabo en dos pasos.

La primera, la compresión de movimiento, busca objetos en movimiento e intenta predecir dónde estarán en el siguiente cuadro. Luego, en lugar de registrar los píxeles asociados con este objeto en movimiento en cada cuadro, el algoritmo codifica solo la forma del objeto, junto con la dirección de desplazamiento. De hecho, algunos algoritmos analizan fotogramas futuros para determinar el movimiento con mayor precisión, aunque obviamente esto no puede funcionar para transmisiones en vivo. El resultado es que el video comprimido simplemente traduce el objeto a través de la pantalla.

El segundo paso de compresión elimina otras redundancias entre un cuadro y el siguiente. Entonces, en lugar de registrar el color de cada píxel en un cielo azul, un algoritmo de compresión podría identificar el área de este color y especificar que no cambie en los siguientes cuadros. Entonces, estos píxeles permanecen del mismo color hasta que se les indica que cambien. Esto se llama compresión residual.

El nuevo enfoque en el que Rippel y compañía han sido pioneros utiliza el aprendizaje automático para mejorar ambas técnicas de compresión. Tomemos como ejemplo la compresión de movimiento, donde las técnicas de aprendizaje automático del equipo han encontrado nuevas redundancias basadas en movimiento que los códecs convencionales nunca han podido explotar.

Por ejemplo, el giro de la cabeza de una persona de una vista frontal a una vista lateral siempre produce un resultado similar. Los códecs tradicionales no podrán predecir una cara de perfil desde una vista frontal, dicen Rippel y compañía. Por el contrario, el nuevo códec aprende este tipo de patrones espacio-temporales y los usa para predecir fotogramas futuros.

Otro problema es distribuir el ancho de banda disponible entre el movimiento y la compresión residual. En algunas escenas, la compresión de movimiento es más importante; en otros, la compresión residual proporciona las mayores ganancias. La compensación óptima entre ellos difiere de un cuadro a otro.

Los algoritmos de compresión tradicionales encuentran esto difícil porque comprimen ambos procesos por separado. Eso significa que no hay una manera fácil de cambiarlos.

Rippel y compañía solucionan esto comprimiendo ambas señales al mismo tiempo y usan la complejidad del cuadro para decidir cómo distribuir el ancho de banda entre ellas de la manera más eficiente.

Estas y otras mejoras han permitido a los investigadores crear un algoritmo de compresión que supera significativamente a los códecs tradicionales. Al comprimir video de alta definición (1080p), los algoritmos de compresión comunes, como H.265 y VP9, ​​producen archivos que son un 20 % más grandes que los producidos por el nuevo algoritmo.

Y las ganancias son aún mayores para videos de definición estándar, como HEVC/H.265 y AVC/H.264. Estos suelen producir archivos hasta un 60 % más grandes que el nuevo enfoque del equipo.

Esa es una ganancia impresionante que podría reducir significativamente el tamaño y los tiempos de descarga asociados con el video en línea.

Sin embargo, el nuevo enfoque no está exento de algunas deficiencias. Quizás el más significativo es su eficiencia computacional: el tiempo que lleva codificar y decodificar los videos. En una plataforma Nvidia Tesla V100 y en videos de tamaño VGA, el nuevo decodificador funciona a una velocidad promedio de alrededor de 10 cuadros por segundo con el codificador operando a alrededor de 2 cuadros por segundo. Eso tiene una aplicación limitada para una transmisión en vivo.

Por supuesto, los investigadores esperan realizar mejoras significativas a medida que avanzan más allá de la etapa de prueba de principio. La velocidad actual no es suficiente para la implementación en tiempo real, pero se mejorará sustancialmente en el trabajo futuro, dicen.

Lo que significa que gracias a este tipo de enfoque de aprendizaje automático, los futuros cibernautas deberían poder descargar sus videos de Game of Thrones o gatos en tiempos récord y transmitir sus juegos de fútbol de alta definición de manera más eficiente que nunca.

Ref: arxiv.org/abs/1811.06981 : Compresión de video aprendida

esconder