视频编码中编码和计算效率对比
本文是来自video@scale 2019的演讲，演讲者是Ioannis Katsavounidis，是Facebook的研究科学家。演讲主题是视频编码中编码和计算效率对比。
此次演讲主要包括五个部分：
1. 视频编码的历史回顾
2. 视频编码中的多线程
3. 时间分片作为视频编码的“均衡器”
4. 一些实验
5. 实验结论
作者首先简单回顾了以下视频编码的历史发展：从一开始面向专业内容的编码，到面向消费者视频内容的编码，进而发展为面向流媒体的云端编码，编码面向的对象也从单片发展为块和镜头。
作者接着介绍了多线程在视频编码中的优缺点：多线程处理可以很很高的减少延迟但是却容易引起比特率的损失，而且由于线程之前的同步问题，会导致计算资源利用率降低。现存的视频编码多线程处理方式有：帧级并行处理，片级并行处理，波前并行处理和开环并行处理等方式。并且作者对他们进行了一一介绍。
为了解决前述并行处理方式存在的一些问题，我们可以减小每一个并行处理的数据量，从chunk级别到GOP级别再到shot级别，每一个并行单元变得更加轻便，这就允许更多的并行处理可以同时进行，并且提高计算资源的利用率。这也就是第三部分的主题，合理利用时间分片作为视频编码的均衡器。并且作者还对云端视频编码这一应用场景，总结了不同层级的并行处理的优缺点。
接着作者介绍了他进行的一组实验，并给出了具体的实验设置。作者从质量预设，CPU负载，比特率和计算复杂度的权衡等方便给出了实验结果。
在最后，作者总结了此次实验得出的几个结论：
a) 计算复杂度/压缩效率域中的凸包方法产生最佳编码器/预设操作点；
b) 基于时间的并行处理提供了最大的优势，同时具有最少的缺点；
c) CPU的超额负载（大约15%）可提高多线程编码的计算效率（大于10%）；
d) 单线程比4线程执行可提供8％的额外计算收益；
e) 质量指标计算/收集会增加视频编码的大量开销，尤其是对于快速预设而言。
附上演讲视频：