Об оптимизации сжатия видеопотоков в роботах-доставщиках для высоких нагрузок в условиях ограниченных каналов связи
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
В рамках проекта по оптимизации работы роботов‑доставщиков Яндекса решена задача сжатия видеопотоков с fisheye‑камер — устройств с широким углом обзора, сопровождающимся геометрическими искажениями. Ключевая проблема связана с необходимостью передачи видео в условиях ограниченного канала связи: при планируемом масштабировании сервиса рост числа роботов усилит нагрузку на мобильные сети. Цель оптимизации — снизить битрейт при сохранении достаточного качества изображения, соблюдая строгие ограничения: простоту алгоритмов, экономию вычислительных ресурсов и минимизацию расхода заряда батареи.
Для достижения цели разработана методология оптимизации параметров кодирования и сравнения кодеков. Она опирается на общепринятые подходы: оценку с помощью метрики BD‑Rate, точечный анализ для заданных значений битрейта/качества и сопоставление Rate‑Quality‑кривых. В ходе экспериментов варьировались ключевые параметры (промежуточное разрешение, Intra‑period, количество опорных кадров, HW Preset, тип битрейт‑контроля, размер буфера). Результат — снижение общего битрейта от четырёх камер на ровере на 15 % при сохранении или улучшении визуального качества.
Дополнительно оценены перспективные способы повышения эффективности сжатия: применение AV1‑энкодера (сокращение битрейта на ~10 %) и технологии Region Of Interest (ROI, перераспределение битрейта с периферийных участков в зону интереса — экономия 5–10 %). В качестве направлений дальнейшего развития выделены внедрение алгоритмов предобработки видео, полномасштабное использование AV1 и масштабирование ROI‑подхода. Решения отличаются практической ориентированностью: они позволяют добиться существенного сокращения битрейта без кардинальной смены системы кодирования, что критично для быстрого развёртывания в реальной инфраструктуре.
Кандидат технических наук с более чем 20‑летним опытом в R&D в сферах машинного обучения (ML), обработки видео, сжатия и передачи медиаинформации, компьютерного зрения (computer vision), оценки качества, обработки изображений и видео (image & video processing).
Участвовал в разработке стандарта кодирования 3D‑информации в рамках 3D‑AVC/3D‑HEVC, создавал новые технологии передачи и хранения визуальной информации. Автор более 50 статей, патентных заявок и патентов.
В настоящее время работает в компании «Яндекс» в команде Videoplatform (направление Infrastructure).
Видео
Другие доклады секции
Технологии будущего и специализированные темы