Conclusão primeiro: o pHash é mais adequado para desduplicação e busca por similaridade no nível de imagens; o PDQ é uma impressão digital de imagem de alto número de bits voltada para imagens; o TMK+PDQF (e sua implementação vPDQ) é um algoritmo de impressão digital voltado para vídeo, que inclui informações temporais.
A documentação oficial também fornece interfaces de áudio e vídeo, mas a parte de vídeo retorna sequências de hashes em nível de quadro; essencialmente, trata-se de “hash de imagem quadro a quadro”, sem codificação temporal explícita, sendo normalmente usado para triagem leve, e não para correspondência de vídeo altamente robusta.
pHash
pHash é uma biblioteca de hash perceptual de código aberto, usada há muito tempo para busca de similaridade de imagens, e fornece implementações de hash de imagem como DCT e wavelet de Marr, sendo adequada para cenários de desduplicação de imagens e busca de quase duplicatas.
PDQ
PDQ é um algoritmo de “photo-hashing” de código aberto da Meta, que gera uma impressão digital de imagem de 256 bits, projetado para correspondência rápida e com limiar ajustável de conteúdo de imagem, amplamente usado em controle de risco de conteúdo e bibliotecas compartilhadas entre plataformas.
Em cenários de vídeo, o PDQ pode ser usado como componente para “gerar impressões digitais quadro a quadro”, mas a solução oficial para vídeo recomenda combiná-lo com modelagem temporal (veja TMK+PDQF/vPDQ).
TMK+PDQF (incluindo vPDQ)
TMK+PDQF é um algoritmo de similaridade de vídeo: após calcular os recursos PDQF (versão em ponto flutuante do PDQ) para cada quadro, ele constrói duas camadas de descritores de comprimento fixo por meio de um kernel temporal, permitindo que, na busca, primeiro se compare a camada global e depois a camada temporal, melhorando a robustez da correspondência em nível de vídeo.
Benchmarks e documentos do setor posicionam o TMK+PDQF (e o vPDQ posterior) como uma solução de impressão digital de vídeo de código aberto, voltada para quase duplicatas de vídeo e correspondência em nível de trechos sob recodificação, mudanças de resolução e variações de taxa de bits.