NVIDIA Video Codec SDK 13.1: ก้าวล้ำการเข้ารหัสวิดีโอด้วย Zero-Copy, AV1 B-Frames และ Frame-Accurate Seek

NVIDIA Video Codec SDK 13.1: ก้าวล้ำการเข้ารหัสวิดีโอด้วย Zero-Copy, AV1 B-Frames และ Frame-Accurate Seekความต้องการวิดีโอคุณภาพสูงเพิ่มขึ้นอย่างต่อเนื่องในทุกอุตสาหกรรม ตั้งแต่ประสบการณ์สตรีมมิ่งที่สมจริงไปจนถึงเครื่องมือสร้างสรรค์สื่อด้วย AI และการส่งมอบคอนเทนต์ขนาดใหญ่ เบื้องหลังประสบการณ์เหล่านี้คือความต้องการที่เพิ่มขึ้นสำหรับไปป์ไลน์วิดีโอที่เร็วขึ้น มีประสิทธิภาพมากขึ้น และสามารถจัดการกับรูปแบบและเวิร์กโหลดที่ซับซ้อนขึ้นเรื่อยๆ NVIDIA Video Codec SDK คือเครื่องมือสำคัญที่ช่วยให้นักพัฒนาตอบสนองความท้าทายเหล่านี้ได้ ด้วยการเข้าถึงการเข้ารหัสและถอดรหัสวิดีโอที่เร่งความเร็วด้วย GPU ผ่านฮาร์ดแวร์วิดีโอเฉพาะของ NVIDIAล่าสุด NVIDIA Video Codec SDK 13.1 ได้เปิดตัวพร้อมฟีเจอร์ใหม่ที่น่าสนใจมากมาย ซึ่งจะช่วยยกระดับประสิทธิภาพและความยืดหยุ่นในการทำงานกับวิดีโอของคุณฟีเจอร์ใหม่ที่น่าจับตาใน SDK 13.1SDK 13.1 นำเสนอการปรับปรุงที่สำคัญหลายประการ ดังนี้AV1 Hierarchical Reference Mode พร้อม B-frames สูงสุด 31 เฟรม: เพิ่มคุณภาพการเข้ารหัส AV1 ได้อย่างมีนัยสำคัญUHQ tuning info ผสานกับการเข้ารหัสแบบวนซ้ำ (Iterative Encoding): เพื่อการปรับปรุงคุณภาพและประสิทธิภาพที่ดียิ่งขึ้นสถิติแบบต่อมาโครบล็อก (Per-macroblock statistics) สำหรับการถอดรหัส H.264 และ HEVC: ช่วยในการวิเคราะห์วิดีโอด้วย GPUข้อมูลมุมมอง (View information) ระหว่างการถอดรหัส MV-HEVC: รองรับการจัดการวิดีโอสเตอริโอที่ดียิ่งขึ้นการค้นหาเฟรมแม่นยำ (Seek to a specific frame): เข้าถึงเฟรมที่ต้องการได้อย่างรวดเร็วและแม่นยำCUarray ที่จัดสรรโดยแอปพลิเคชันเป็นอินพุต NVENC และเอาต์พุต NVDEC: รองรับ Zero-Copy Transcodeตัวอย่าง Transcoder ที่ออกแบบใหม่: ด้วยสถาปัตยกรรมแบบโมดูลาร์และคิวเบสสภาพแวดล้อมการพัฒนาอย่างเป็นทางการบน Docker: ช่วยให้การติดตั้งและใช้งานง่ายขึ้นเหตุผลที่ AV1 Hierarchical Reference Mode สำคัญการใช้ B-frames เป็นเฟรมอ้างอิงช่วยเพิ่มคุณภาพการเข้ารหัส และ Hierarchical Reference Mode ก็ช่วยยกระดับคุณภาพนั้นไปอีกขั้น ด้วยการจัดเรียง B-frames ในโครงสร้างแบบต้นไม้ (Tree-like reference structure) ทำให้ NVENC สามารถเพิ่มจำนวน B-frames สูงสุดจาก 7 เป็น 31 เฟรม ซึ่งช่วยให้การเข้ารหัสใช้ประโยชน์จากความซ้ำซ้อนของเวลา (Temporal redundancy) ได้ดียิ่งขึ้น และปรับปรุงคุณภาพโดยรวม โดยที่ ไม่มีผลกระทบต่อประสิทธิภาพ แต่จะมีการใช้หน่วยความจำวิดีโอสูงขึ้นSDK 13.1 รองรับ Hierarchical Reference Mode สำหรับ AV1 โดยสามารถตั้งค่า B-frames ได้ 1, 3, 7, 15 และ 31 เฟรม ซึ่งโหมดนี้จะมีประสิทธิภาพสูงสุดเมื่อใช้ B-frames ตั้งแต่ 7 เฟรมขึ้นไป และมีผลกระทบต่อประสิทธิภาพน้อยมากUHQ tuning info ผสานกับ Iterative EncodingIterative encoding ที่มีมาตั้งแต่ SDK 12.1 ช่วยให้นักพัฒนาสามารถเข้ารหัสเฟรมเดียวกันใหม่ด้วยพารามิเตอร์ที่แตกต่างกันได้ ในขณะที่ UHQ tuning info (มีมาตั้งแต่ SDK 12.2) จะรวมเอา lookahead level และ temporal filtering เข้าด้วยกัน เพื่อให้ได้สมดุลระหว่างคุณภาพและประสิทธิภาพที่ดีที่สุดสำหรับการเข้ารหัสที่ยอมรับความหน่วงได้ (Latency-tolerant encoding)การผสาน UHQ tuning info เข้ากับ iterative encoding ในเวอร์ชัน 13.1 นี้ ทำให้ lookahead level และ temporal filtering สามารถทำงานร่วมกับการเข้ารหัสใหม่ในแต่ละรอบได้ดียิ่งขึ้นสถิติแบบต่อมาโครบล็อกสำหรับการถอดรหัสNVDECODE API ใน SDK 13.1 สามารถดึงข้อมูลสถิติแบบละเอียดต่อมาโครบล็อก (16x16 บล็อก) สำหรับเฟรมที่ถอดรหัส H.264 และ HEVC ได้ ข้อมูลเหล่านี้รวมถึง Luma quantization parameter (QP), ประเภทของ Coding Unit (Intra, Inter, Skip, PCM) และ Motion vectors สูงสุดสองตัว โดยข้อมูลเหล่านี้ถูกดึงออกมาโดยอัตโนมัติจากการถอดรหัสด้วยฮาร์ดแวร์ โดยไม่มีภาระเพิ่มเติมต่อ CPUสถิติเหล่านี้เปิดโอกาสให้เวิร์กโฟลว์การวิเคราะห์วิดีโอที่เร่งความเร็วด้วย GPU ซึ่งก่อนหน้านี้ต้องอาศัยการแยกวิเคราะห์บิตสตรีมบน CPU Motion vectors สามารถนำไปใช้ในการตรวจจับการเปลี่ยนแปลงฉาก (Scene-change detection), การติดตามวัตถุ (Object tracking) และการวิเคราะห์ขอบเขตช็อต (Shot-boundary analysis) ส่วนค่า QP จะแสดงภาพคุณภาพการเข้ารหัสในแต่ละบล็อกเพื่อการปรับปรุง bitrate แบบปรับอัตโนมัติ (Adaptive bitrate optimization) และการตรวจสอบคุณภาพการค้นหาเฟรมแม่นยำ (Frame-Accurate Seek)สำหรับเวิร์กโฟลว์ AI เช่น การอนุมาน (Inference) สำหรับการตรวจจับวัตถุ การกลั่นกรองเนื้อหา หรือการสรุปวิดีโอ รวมถึงการเตรียมข้อมูลสำหรับการฝึกฝนโมเดล AI มักต้องการเฟรมที่เฉพาะเจาะจง ไม่ใช่การถอดรหัสตามลำดับ การตัดต่อวิดีโอและการผลิตหลังการถ่ายทำแบบไม่เป็นเชิงเส้น (Non-linear post-production) ก็มีความต้องการในลักษณะเดียวกันNVIDIA Video Codec SDK 13.1 ได้เพิ่ม API ที่ครอบคลุมสำหรับการค้นหาและการเข้าถึงเฟรมแบบสุ่ม (Random-frame-access) ผ่านคลาส NvVideoDecoder ทำให้การเข้าถึงเฟรมที่แม่นยำทำได้ง่ายเหมือนการเข้าถึงข้อมูลในอาร์เรย์ โดยจะดึงเฉพาะเฟรมที่คุณต้องการเท่านั้นสถาปัตยกรรม GOPhttps://developer.nvidia.com/blog/nvidia-video-codec-sdk-13-1-zero-copy-transcode-av1-b-frames-and-frame-accurate-seek/