Vmaf

Transcription

00:01 Voix off
Ce qui attire l'utilisateur vers une plateforme vidéo en ligne, c'est d'abord son catalogue de films et de séries.
Mais le vrai secret du succès, c'est son algorithme.
Le logiciel qui encode les vidéos, pour les transmettre dans toutes les conditions de visionnage.

00:20
Pour optimiser le sien, Netflix s'est rapproché du laboratoire des sciences du numérique de Nantes. Le seul au monde à maîtriser l'ensemble de la chaîne interdisciplinaire qui intéressait Netflix.

00:32
Comprendre la perception humaine d'une image pour la compresser le plus possible, tout en conservant une définition de haute qualité.

00 :39 (Discussion à plusieurs)
00 :40 Ben là, on voit que c'est complexe
00 :42 Il n'y a pas trop de changements en luminance
00 :43 Tu te souviens de ça, on avait regardé les éclaboussures
00 :48 Regardes, tu as vu sur la peau ?
00 :50 Là, il y a un gros pompage, vas- y c'est à 1 :15

00 :53
Patrick Le Callet, reconnu pour son expertise de la perception vidéo, a été approché par Netflix en 2014.

00 :59 Interview de Patrick Le Callet
Ce qui était assez intéressant pour Netflix, ce qui nous rendait appétissant, c'est le fait qu'on était très reconnu sur plusieurs aspects : Le test utilisateur, la modélisation de la perception visuelle, et l'optimisation de la compression vidéo.

01 :14
On peut trouver des équipes qui sont très fortes, qui sont plus fortes que nous dans un des trois aspects, mais nous on avait l'avantage d'être reconnu, d'être très bien reconnu, sur les trois.

01:25 Voix off
En laboratoire, l'équipe a défini un protocole de tests standardisés, et interrogé une grande diversité d'utilisateurs.
L'objectif : pour chaque séquence vidéo et chaque situation, déterminer le format de compression optimal.

01 :39 Interview de Jing LI
Our human eye is the ultimate receiver for the video quality, so we need humans to give us an idea or opinion about he quality of this video.
We have done a lot of tests, with a lot of observers participating in the tests, so we can collect the data to make statistical analysis.
(L'oeil humain est l'ultime récepteur de la qualité de la vidéo, nous avons donc besoin d'humains pour se faire une bonne idée de cette qualité
Nous avons fait plein de tests, avec de nombreux participants, et nous tirons des analyses statistiques de ces données)

02 :04
According to these tests, we can develop a model.
And this model can help Netflix to deliver optimal video sequences to the users.
(Grâce à ces tests, nous pouvons développer des modèles. Ils aideront Netflix à
diffuser des vidéos optimisées à ses utilisateurs)

02:19 Voix off
Dans le cadre de collaborations avec d'autres entreprises, les chercheurs élargissent le champ de leurs recherches aux techniques d'eye tracking.

02 :26
Ils enregistrent le mouvement des yeux pour connaître la zone de l'écran que le spectateur regarde, allant toujours plus loin dans l'étude de la perception humaine de l'image.

02:39
Les travaux du laboratoire ont permis la mise au point d'un des logiciels les plus performants au monde en matière de qualité vidéo, le VMAF, qui optimise l'image, quel que soit le type d'écran, smartphone ou ordinateur, et la qualité du réseau.

02 :55 Interview de Jing LI
Our lab is almost the best in the world for the quality of experience.
So I can put myself into the most advanced technologies.
(Notre laboratoire est presque le meilleur pour la qualité de l'expérimentation.
Je peux donc m'investir dans ces technologies de pointe)

03:06 Voix off
La success story du laboratoire nantais se poursuit.
Avec la construction d'un complexe ultramoderne pour accueillir un centre de tests, au coeur de l'île de Nantes.
Les chercheurs travaillent déjà avec d'autres géants du web pour développer les logiciels du futur, pour lier toujours plus la qualité vidéo et perception de l'oeil humain.