Porównanie odporności na przycinanie
pHash opiera się na globalnych niskoczęstotliwościowych cechach DCT; lokalne przycięcie zmienia ogólny rozkład widma, co często powoduje znaczną zmianę hasha. Dlatego jego odporność na „lokalne braki” jest słabsza, a środowisko akademickie zaproponowało kierunki ulepszeń odporne na przycinanie/obrót, aby uzupełnić braki tradycyjnego globalnego hashowania.
PDQ (obraz) jest bardziej podatny na zmiany typu „usunięcie treści/zasłonięcie”. Testy autorów pokazują, że w przypadku transformacji polegających na usuwaniu nie jest tak stabilny jak przy niewielkich zmianach typu zysk (np. format/bitrate); przycinanie należy do kategorii „usuwania”, więc nie daje przewagi.
TMK+PDQF (wideo) wykazuje szczególnie wyraźne pogorszenie przy przycinaniu: oceny pokazują, że jeśli z kadru usunięto ponad około 20%, trudno o niezawodne dopasowanie; zaleca się nawet, aby przy ponad 10% nie oczekiwać stabilnych trafień, co podkreśla jego wrażliwość na znaczną utratę pola widzenia.
Porównanie odporności na znaki wodne
pHash jest wrażliwy na duże, nieprzezroczyste znaki wodne, ponieważ zmieniają one globalną strukturę niskich częstotliwości; tradycyjne globalne percepcyjne hashe DCT zwykle mają trudność z utrzymaniem podobnej zgodności hasha przy silnym znaku wodnym.
PDQ wykazuje pewną tolerancję na „lekkie znaki wodne/małe logo”, ale w warunkach „silnego, nieprzezroczystego znaku wodnego złożonego z krawędzi i zmian kolorystycznych” ponad połowa próbek przy typowych progach zostaje pominięta, co wskazuje na ograniczoną odporność na intensywne znaki wodne.
TMK+PDQF w scenariuszach wideo również raportowany jest jako transformacja o „słabych wynikach” zarówno dla znaków wodnych, jak i przycinania. W porównaniu ze zmianami zachowującymi globalną strukturę, takimi jak bitrate/format/skalowanie, nałożenie znaku wodnego wyraźnie obniża pewność dopasowania.
Wskazówki praktyczne
Doświadczenia po stronie platform pokazują, że odporność na transformacje transkodowania wideo typu „format/bitrate/skalowanie” jest dość dobra, ale przy znacznym przycinaniu lub silnych znakach wodnych (zwłaszcza nieprzezroczystych i obejmujących duży obszar) wszystkie trzy algorytmy wykazują wyraźny spadek wydajności; należy je łączyć ze strategiami upstream i downstream (np. optymalizacją progów oraz ręczną weryfikacją).
Jeśli konieczne jest zwiększenie stabilności wobec przycinania, można połączyć podejście „blokowe/lokalne” albo zastosować metody kodowania przestrzennego zaprojektowane pod kątem przycinania/obrotu, aby uzupełnić słabości tradycyjnego globalnego hashowania, a następnie połączyć je multimodalnie z odciskami takimi jak PDQ/TMK w celu zwiększenia recall. Zarówno praktyka, jak i badania wskazują, że tradycyjne globalne hashowanie percepcyjne nie jest odporne na przycinanie, co doprowadziło do powstania nowych metod odpornych na przycinanie.
W przypadku znaków wodnych oficjalne materiały PDQ wskazują tolerancję na „lekkie znaki wodne/małe logo”, natomiast silne, nieprzezroczyste znaki wodne znacząco wpływają na dopasowanie; po stronie wideo TMK+PDQF wykazuje podobną prawidłowość. Dlatego nie należy polegać wyłącznie na jednym progu, a w razie potrzeby warto wprowadzić rozszerzanie kandydatów oraz dwuetapowy proces weryfikacji.
Ważny wniosek
W dwóch kategoriach lokalnych zmian: „odporność na przycinanie/lokalne zasłonięcie” oraz „nałożenie znaku wodnego”, ogólna zasada dla tych trzech metod jest następująca: PDQ i TMK+PDQF są względnie bardziej stabilne wobec lekkich znaków wodnych (np. oznaczeń narożnych/logo), ale przy wyraźnym przycinaniu i dużych nieprzezroczystych znakach wodnych ulegają znacznemu pogorszeniu; pHash, ze względu na nacisk na globalne cechy niskoczęstotliwościowe, jest najmniej stabilny wobec powyższych lokalnych zmian.
Osoby przenoszące cudze filmy — teraz już wiecie, co robić, prawda?