Comparaison de la résistance au recadrage
pHash repose sur des caractéristiques DCT globales de basse fréquence. Un recadrage local modifie la distribution spectrale globale et entraîne souvent une variation importante du hachage ; sa robustesse face à une « perte locale » est donc faible. C’est pourquoi la recherche a proposé des améliorations robustes au recadrage et à la rotation afin de compenser les limites du hachage global traditionnel.
PDQ (image) est plus facilement affecté par les modifications de type « suppression de contenu/occlusion ». Les tests des auteurs montrent qu’il est moins robuste face aux transformations par suppression qu’aux légères transformations de gain (comme le format ou le débit). Le recadrage relevant de la « suppression », il n’est donc pas avantagé.
Pour TMK+PDQF (vidéo), la dégradation due au recadrage est particulièrement évidente : les évaluations montrent qu’il devient difficile d’obtenir une correspondance fiable lorsque plus d’environ 20% de l’image est supprimé, et recommandent même de ne pas s’attendre à des détections stables au-delà de 10%, ce qui souligne sa sensibilité aux pertes importantes de champ visuel.
Comparaison de la résistance aux filigranes
pHash est sensible aux filigranes opaques de grande taille, car ceux-ci modifient la structure globale de basse fréquence. Les hachages perceptuels DCT globaux traditionnels ont généralement du mal à conserver une similarité de hachage sous des filigranes marqués.
PDQ tolère dans une certaine mesure les « filigranes légers/petits logos », mais dans des conditions de filigranes « fortement opaques, avec des contours complexes et des variations de couleur », plus de la moitié des échantillons peuvent être manqués aux seuils couramment utilisés, ce qui montre une robustesse limitée face aux filigranes lourds.
Dans les scénarios vidéo, TMK+PDQF est également signalé comme ayant de « mauvaises performances » face aux filigranes et au recadrage. Par rapport aux transformations qui conservent la structure globale, comme le débit, le format ou le redimensionnement, l’ajout d’un filigrane réduit nettement la confiance de correspondance.
Conseils pratiques
L’expérience côté plateforme montre que la robustesse est bonne face aux transformations de transcodage vidéo telles que le « format/débit/redimensionnement », mais que les trois algorithmes subissent une baisse notable de performance face à un recadrage important ou à un filigrane fort (surtout opaque et couvrant une grande zone). Il convient donc de les combiner avec des stratégies en amont et en aval, comme l’ajustement des seuils et la vérification manuelle.
S’il est indispensable d’améliorer la robustesse au recadrage, on peut combiner des approches « par blocs/locales » ou utiliser des méthodes d’encodage spatial conçues pour résister au recadrage et à la rotation, afin de compenser les limites du hachage global traditionnel, puis les fusionner de manière multimodale avec des empreintes comme PDQ/TMK pour améliorer le rappel. La pratique comme la recherche montrent que le hachage perceptuel global traditionnel n’est pas robuste au recadrage, ce qui a favorisé l’émergence de nouvelles méthodes robustes au recadrage.
Pour les scénarios avec filigrane, la documentation officielle de PDQ indique qu’il peut tolérer les « filigranes légers/petits logos », tandis que les filigranes fortement opaques affectent nettement la correspondance. Côté vidéo, TMK+PDQF suit une logique similaire ; il faut donc éviter de s’appuyer uniquement sur un seuil unique et, si nécessaire, introduire une extension des candidats et un processus de vérification en deux étapes.
Conclusion importante
Pour les deux types de modifications locales que sont la « résistance au recadrage/à l’occlusion locale » et « l’ajout de filigrane », la tendance générale est la suivante : PDQ et TMK+PDQF sont relativement plus robustes face aux filigranes légers (comme les logos en coin), mais se dégradent nettement face à un recadrage évident et à des filigranes opaques de grande taille ; pHash, en raison de sa dépendance aux caractéristiques globales de basse fréquence, est le moins robuste face à ces modifications locales.
Vous qui reprenez des vidéos, maintenant, vous savez quoi faire.