Fazit vorab: pHash eignet sich besser für die Deduplizierung und Ähnlichkeitssuche auf Bildebene; PDQ ist ein hochbitiger Bildfingerabdruck für Fotos; TMK+PDQF (sowie dessen vPDQ-Implementierung) ist ein Fingerprinting-Algorithmus für Videos, der zeitliche Informationen berücksichtigt.
Die offizielle Dokumentation stellt zwar auch Audio- und Videoschnittstellen bereit, doch der Videoteil gibt eine Sequenz von Hashes auf Frame-Ebene zurück. Im Kern handelt es sich dabei um „Bild-Hashing pro Frame“ ohne explizite zeitliche Kodierung, das üblicherweise eher für leichtgewichtige Vorprüfungen als für robustes Video-Matching verwendet wird.
pHash
pHash ist eine Open-Source-Bibliothek für perceptual hashing, die seit Langem für die Ähnlichkeitssuche von Bildern eingesetzt wird. Sie bietet unter anderem Bild-Hash-Implementierungen auf Basis von DCT und Marr-Wavelets und eignet sich für Szenarien wie Bild-Deduplizierung und die Suche nach nahezu identischen Bildern.
PDQ
PDQ ist ein von Meta als Open Source veröffentlichter „photo-hashing“-Algorithmus. Er erzeugt einen 256-Bit-Bildfingerabdruck und ist für schnelles, schwellenwertbasiertes Matching von Bildinhalten konzipiert. Er wird häufig in der Inhaltsmoderation und in plattformübergreifenden Shared Libraries eingesetzt.
In Videoszenarien kann PDQ als Komponente zum „Fingerprinting pro Frame“ verwendet werden, doch die offizielle Videolösung empfiehlt eher die Kombination mit zeitlicher Modellierung (siehe TMK+PDQF/vPDQ).
TMK+PDQF (einschließlich vPDQ)
TMK+PDQF ist ein Algorithmus für Videoähnlichkeit: Für jeden Frame werden zunächst PDQF-Merkmale (die Gleitkomma-Version von PDQ) berechnet; anschließend werden über einen Zeitkern zwei Beschreibungen fester Länge erzeugt. Bei der Suche wird zuerst die globale Ebene und danach die zeitliche Ebene verglichen, um die Robustheit des Matchings auf Videoebene zu erhöhen.
Branchen-Benchmarks und Dokumentationen positionieren TMK+PDQF (sowie das spätere vPDQ) als Open-Source-Lösung für Video-Fingerprinting, ausgerichtet auf Near-Duplicate- und Segment-Matching von Videos bei Änderungen durch Re-Encoding, Auflösung und Bitrate.