Zacznij od pytania, na które muszą odpowiedzieć obrazy
Ekstrakcja klatek jest problemem związanym z próbkowaniem, zanim stanie się problemem formatu obrazu. Określ użyteczny zakres czasu i decyzję, którą ktoś podejmie na podstawie obrazów. Stykówka spotkania wymaga szerokiego omówienia sceny. Recenzja animacji wymaga blisko rozmieszczonych stanów. Wyszukiwanie miniatur wymaga łatwego w zarządzaniu zestawu wizualnie różnych kandydatów.
Najpierw przytnij. Jeśli liczy się tylko 45 sekund z 20-minutowego nagrania, ustaw ten zakres przed zwiększeniem gęstości próbkowania. Zmniejsza to pracę dekodowania, zużycie pamięci, duplikowanie ramek i czas wymagany do sprawdzenia wyniku.
- Użyj interwału, jeśli czas kalendarzowy jest stabilną jednostką: jeden obraz co 5, 10 lub 30 sekund.
- Użyj żądanej liczby klatek na sekundę, gdy odstępy między ruchami mają znaczenie: na przykład 2 próbki na sekundę w krótkiej akcji.
- Użyj stała liczba, jeśli nakład pracy związany z recenzją lub ilość wyników są stałe: na przykład 24 kandydatów w jednej scenie.
- Użyj pojedynczej klatki dopiero wtedy, gdy znasz już moment lub zawęziłeś zakres na tyle, aby sprawdzić pobliskie klatki.
Oblicz wyjście interwałowe przed ekstrakcją
Dla zakresu od czasu rozpoczęcia S do czasu zakończenia E, próbkowanego co I sekundy, użytecznym oszacowaniem jest podłoga ((E - S) / I) + 1, gdy uwzględnione są obie granice zakresu. Zatem 60-sekundowy zakres próbkowany co 10 sekund daje około 7 znaczników czasu: 0, 10, 20, 30, 40, 50 i 60 sekund. Ostateczna liczba może się różnić na granicy nośnika, ponieważ znacznik czasu musi pozostać możliwy do zdekodowania.
Jeżeli oszacowanie przekracza 240 obrazów, skróć zakres lub zwiększ odstęp. Na przykład próbkowanie zakresu 30-minutowego co 5 sekund wymagałoby około 361 znaczników czasu. Zwiększenie interwału do 8 sekund zmniejsza oszacowanie do około 226, co mieści się w jednym przebiegu. Inną opcją jest przetwarzanie oddzielnych scen, dzięki czemu każdy wynik będzie łatwiejszy do przejrzenia.
Próbkowanie interwałowe jest szczególnie czytelne w przypadku tutoriali, wykładów, inspekcji i długich nagrań, w których zdarzenia są omawiane w sekundach lub minutach. Jest mniej odpowiedni dla krótkiego ruchu, który kończy się pomiędzy dwoma szeroko oddalonymi znacznikami czasu.
Zrozum, co oznacza żądany FPS
Żądany FPS kontroluje liczbę znaczników czasu próbek narzędzia na sekundę; nie zmienia źródłowego wideo i nie potwierdza źródłowej liczby klatek na sekundę. Przy żądanych 2 FPS odstęp docelowy wynosi 0,5 sekundy. Przy 10 żądanych FPS jest to 0,1 sekundy. Zakres 12 sekund przy 5 żądanych FPS wymaga około 61 znaczników czasu, gdy uwzględnione są oba punkty końcowe.
Próbkowanie powyżej przydatnych szczegółów czasowych klipu często powoduje powstanie niemal duplikatów. Prezentacja statyczna nagrana przy 30 źródłowych klatkach na sekundę rzadko wymaga eksportowania 30 obrazów na sekundę. Natomiast dwusekundowy błąd interakcji może zyskać 10 żądanych klatek na sekundę, dzięki czemu zmiany stanu będą widoczne w zwartej sekwencji.
Media o zmiennej liczbie klatek na sekundę sprawiają, że to rozróżnienie jest ważniejsze. Przeglądarka wyszukuje według czasu multimediów i zwraca zdekodowaną klatkę prezentacji zbliżoną do tego czasu; może nie być jednej ramki źródłowej w każdym doskonale regularnym odstępie czasu. Aby uzyskać dokładne indeksowanie klatek źródłowych, użyj dekodera zaprojektowanego do ujawniania znaczników czasu prezentacji i tożsamości klatek.
Użyj stałej liczby w przypadku ograniczonych prac recenzyjnych
Tryb stałej liczby rozdziela wybraną liczbę kandydatów w wybranym zakresie. Jeśli zakres 90 sekund wymaga 10 obrazów, przybliżona przerwa między kandydatami wynosi 90 / (10–1) lub 10 sekund, jeśli uwzględnione są oba punkty końcowe. Ten tryb sprawia, że nakład pracy związany z recenzowaniem jest przewidywalny, nawet jeśli czas trwania klipów jest różny.
Przydatny dwuprzebiegowy przepływ pracy rozpoczyna się od 12 do 24 obrazów w szerokim zakresie. Zidentyfikuj najsilniejszy podzakres, a następnie powtórz z tą samą liczbą w mniejszym oknie. Drugie przejście zwiększa szczegółowość czasową bez generowania setek obrazów z nieistotnego materiału filmowego.
To podejście sprawdza się dobrze w przypadku miniatur, zdjęć z wydarzeń, ujęć produktu i wizualnej kontroli jakości. Łatwiej też wytłumaczyć drugiej osobie: „przejrzyj tych 20 kandydatów” to wyraźniejsze przekazanie niż dowolne ustawienie FPS.
Opracowane plany pobierania próbek
Dziesięciominutowy przewodnik po oprogramowaniu
Zacznij od 30-sekundowej przerwy dla około 21 zdjęć. Usuń ekrany ładowania i zduplikowane stany. Jeśli jeden przepływ pracy wymaga więcej szczegółów, wyizoluj tę minutę i próbkuj co 5 sekund. Eksportuj PNG, jeśli mały tekst interfejsu musi pozostać czytelny.
Osiem sekund gry sportowej
Dostosuj zakres do gry i poproś o 8 FPS dla około 65 kandydatów. Przejrzyj pozycję piłki, pozę, okluzję i rozmycie ruchu. Zawęź do najlepszego jednosekundowego okna i użyj przesuwania pojedynczych klatek przed wyeksportowaniem ostatecznego pliku JPG lub PNG.
Czterdziestopięciominutowa karta konspektu wykładu
W przypadku około 23 zdjęć użyj 2-minutowego odstępu. To wystarczy, aby zidentyfikować zmiany tematu bez przekształcania wyników w galerię, której nie można przeglądać. Jeśli tekst slajdu ma znaczenie, zachowaj szerokość źródłową lub ustaw maksymalną szerokość, która zapewni czytelność.
Próbka kontroli zbioru danych
Wybierz stałą liczbę odpowiadającą budżetowi weryfikacji ręcznej, a następnie zapisz dokładny zakres czasu i ustawienia. Próbka może ujawnić równowagę sceny i oczywiste problemy z jakością, ale nie jest automatycznie statystycznie reprezentatywna. Projekt zbioru danych, równowaga klas i randomizacja wymagają osobnej metody.
Sprawdź wynik przed zwiększeniem gęstości
Przejrzyj znaczniki czasu w kolejności i zadaj trzy pytania: Czy brakuje ważnych przejść? Czy wiele kolejnych obrazów jest wizualnie zbędnych? Czy recenzent może zrozumieć, dlaczego każdy obraz istnieje? Brakujące zdarzenia wymagają węższego zakresu lub gęstszej próbki; redundancja wymaga szerszego interwału lub niższej żądanej liczby klatek na sekundę.
Staraj się, aby pierwsze przejście było celowo małe. Obrazy w pełnej rozdzielczości zdekodowane w przeglądarce mogą zajmować znacznie więcej pamięci, niż sugeruje to skompresowane źródło wideo. Płótno o rozdzielczości 1920 x 1080 zawiera około 8,3 miliona bajtów RGBA przed zakodowaniem obrazu, więc wiele jednoczesnych podglądów może obciążać urządzenie mobilne, nawet jeśli pobrane pliki JPG są niewielkie.
Kontynuuj korzystanie z dokładnego przewodnika po klatkach, gdy próbka wskaże obiecujący moment, lub otwórz konwerter wideo na klatki, aby zastosować plan już teraz.