Netflix VMAF与x265集成中的段错误问题分析与解决方案
2025-06-10 06:57:14作者:钟日瑜
问题背景
在视频编码领域,Netflix开发的VMAF(Video Multi-method Assessment Fusion)已成为业界广泛认可的视频质量评估指标。许多视频编码器如x265都尝试集成VMAF功能,以便在编码过程中实时评估输出视频质量。然而,在实际集成过程中,开发者常会遇到各种兼容性问题。
典型问题现象
当使用x265编码器并启用VMAF支持时,可能会遇到以下错误:
libvmaf INFO `compute_vmaf()` is deprecated and will be removed in a future libvmaf version
Segmentation fault (core dumped)
根本原因分析
经过深入调查,发现该问题主要由以下几个因素导致:
-
API版本不匹配:x265代码中使用了VMAF早期版本的
compute_vmaf()接口,而该接口在VMAF 3.0.0及更高版本中已被弃用。 -
模型文件格式变更:VMAF从2.x版本开始,不再支持.pkl格式的模型文件,转而使用.json格式,但x265代码中仍硬编码寻找.pkl格式文件。
-
像素格式未指定:x265向VMAF传递视频数据时,未正确指定像素格式(yuv420p、yuv420p10le等),导致空指针访问。
解决方案
临时解决方案
对于需要快速解决问题的用户,可以采用以下修改:
-
修改x265源代码中的模型文件引用,将
vmaf_v0.6.1.pkl改为vmaf_v0.6.1.json -
显式指定像素格式参数,例如对于10bit视频:
static const x265_vmaf_commondata vcd[] = {
{ (char*)"yuv420p10le", (char *)"/usr/local/share/model/vmaf_v0.6.1.json", NULL, NULL, 0, 0, 0, 0, 0, 0, 0, NULL, 0, 1, 0 }
};
长期解决方案
建议x265项目升级到VMAF的新API,主要变更包括:
- 使用
vmaf_init初始化VMAF上下文 - 通过
vmaf_model_load_from_path加载模型 - 使用
vmaf_read_pictures读取视频数据 - 通过
vmaf_score_pooled或vmaf_score_at_index获取评分
注意事项
- 确保使用的VMAF模型文件与视频的色度子采样和位深匹配
- 编译x265时指定的最大位深(
x265_max_bit_depth)应与输入视频位深一致 - 不同版本的VMAF库可能有不同的API和功能支持,需仔细阅读对应版本的文档
总结
VMAF作为重要的视频质量评估工具,其与编码器的集成需要考虑版本兼容性、数据格式匹配等多方面因素。开发者在使用时应当注意API变更,并确保各组件间的参数一致性。对于x265用户,建议关注官方对VMAF集成的更新,以获得更好的兼容性和稳定性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218