MPEG-4 - Polski Serwis Naukowy

MPEG4 – oznaczenie grupy standardów kodowania audio i wideo wraz z pokrewnymi technologiami, opracowanej przez grupę ISO/IEC MPEG. Wprowadzony pod koniec 1998. Główne zastosowania MPEG-4 to media strumieniowe w sieci Web, dystrybucja CD, wideokonferencje i telewizja.

MPEG-4 przejął wiele elementów standardów MPEG-1, MPEG-2 i pokrewnych, dodając nowe możliwości, takie jak (rozszerzona) obsługa VRML dla renderowania 3D, zorientowane obiektowo pliki złożone (zawierające obiekty audio, wideo i VRML), obsługa technologii DRM (zdefiniowanych jako zewnętrzne standardy) i różnoraką interaktywność.

Windows Media - technologia multimedialna opracowana przez firmę Microsoft. Obejmuje narzędzia Windows Media Format do kodowania i dekodowania audio i wideo, Windows Media Services do publikowania strumieniowego audio i wideo na serwerze, a także Windows Media Player do odtwarzania multimediów.
Międzynarodowa Organizacja Normalizacyjna (ISO, ang. International Organization for Standardization, fra. Organisation internationale de normalisation) – organizacja pozarządowa zrzeszająca krajowe organizacje normalizacyjne.

To, jakie elementy zaimplementowane będą w obrębie MPEG-4, pozostawiane jest jako indywidualna decyzja programisty. Oznacza to, że prawdopodobnie w chwili obecnej nie istnieje pełna implementacja całego zestawu standardów składających się na MPEG-4. Rozwiązanie tego problemu osiągnięto poprzez koncepcję "profili" i "poziomów", pozwalających konkretnym zbiorom możliwości być zdefiniowanymi w sposób odpowiedni dla podzbioru aplikacji.

DivX – stratna metoda kompresji obrazu filmowego, w nowszych wersjach zgodna z MPEG-4 część 2, pozwalającą zapisać na zwykłej płycie kompaktowej filmy o długości ok. 90 min i jakości niewiele ustępującej DVD-Video. Wykorzystywana także do przesyłania filmów przez Internet.
Kontener multimedialny, zasobnik dla wielu strumieni obrazów, audio/wideo, napisów, informacji o rozdziałach i metadanych (które umożliwiają ich poprawne wyświetlenie lub synchronizację w celu ich jednoczesnego odtworzenia), pozwalający na przechowywanie kompletnego materiału multimedialnego (obrazów, dźwięku lub filmu) w jednym pliku.

Implementacje MPEG-4

Standard MPEG-4 w różnych wariantach stosowany jest także w plikach WMA i WMV systemu Windows Media, w oprogramowaniu multimedialnym Apple QuickTime, formacie Nero Digital, lansowanym przez producenta znanego programu do nagrywania płyt CD/DVD Nero Burning ROM, w plikach wideo zapisywanych przez niektóre telefony komórkowe z wbudowanymi kamerami wideo oraz DivX/XviD.

MPEG-2 - grupa standardów stratnej kompresji ruchomych obrazów i dźwięku zatwierdzona przez MPEG (ang. Moving Picture Experts Group) w 1994 roku. Od roku 1995 jest zatwierdzonym standardem ISO/IEC nr 13818.
Digital rights management (DRM, pol. zarządzanie cyfrowymi prawami) - oparty o mechanizmy kryptograficzne lub inne metody ukrywania treści. System zabezpieczeń mający przeciwdziałać używaniu danych w formacie elektronicznym w sposób sprzeczny z wolą ich wydawcy.

Funkcje MPEG-4

Transport

W zasadzie MPEG-4 nie definiuje warstwy transportu, lecz w wielu przypadkach zostało zdefiniowane dostosowanie warstwy transportu w sposób następujący: transport przez MPEG-2 Transport Stream transport przez IP(w kooperacji z IETF, the Internet Engineering Task Force)

DMIF(Delivery Multimedia Integration Framework) jest to interfejs pomiędzy aplikacją i transportem, który jest tak naprawdę odpowiedzialny za transport w standardzie MPEG-4. Twórcy aplikacji zgodnej ze standardem MPEG-4 nie muszą się martwić o transport pomiędzy warstwami dzięki wprowadzeniu DMIF. Konkretniej mówiąc DMIF jest niewidoczny dla twórców aplikacji.

AAC (ang. Advanced Audio Coding) - algorytm stratnej kompresji danych dźwiękowych, którego specyfikacja została opublikowana w roku 1997. Format AAC zaprojektowany został jako następca MP3, oferujący lepszą jakość dźwięku przy podobnym rozmiarze danych.
Dystrybucja – obejmuje wszelkie czynności związane z pokonywaniem przestrzennych, czasowych, ilościowych i asortymentowych różnic występujących między sferą produkcji i sferą konsumpcji.

System

MPEG-4 definiuje zestaw zaawansowanych algorytmów kompresji audio i informacji wizualnej. Strumienie danych podstawowych (ES - Elementary Streams), które wynikają z procesu kodowania mogą być przekazywane lub przechowywane oddzielnie, i muszą mieć możliwość odtworzenia tak aby po stronie odbiorcy ukazać aktualną prezentację multimedialną.

Telefon komórkowy – rodzaj aparatu telefonicznego, przenośnego, komunikującego się z siecią przy użyciu fal radiowych (zasadniczo w zakresie mikrofalowym). W technologii sieci komórkowych słowo komórka oznacza obszar zasięgu pojedynczej stacji przekaźnikowej – obsługa telefonu jest automatycznie przekazywana z jednej komórki do następnej w trakcie przemieszczania się osoby używającej telefonu komórkowego. Jest rozwinięciem lekkiego, ręcznego radiotelefonu.
Płyta kompaktowa (ang. Compact Disc, CD-ROM – Compact Disc – Read Only Memory) — poliwęglanowy krążek z zakodowaną cyfrowo informacją do bezkontaktowego odczytu światłem lasera optycznego. Zaprojektowany w celu nagrywania i przechowywania dźwięku, przy użyciu kodowania PCM, który dzisiaj jest tylko jednym ze standardów cyfrowego zapisu dźwięku. Taką płytę nazywa się CD-Audio. Dzięki dużej jak na swoje czasy pojemności, niezawodności i niskiej cenie, dysk kompaktowy stał się najpopularniejszym[potrzebne źródło] medium do zapisywania danych.

Część systemów MPEG-4 zajmuje się opisem relacji pomiędzy elementami audio-wizualnymi. Ten związek jest opisany w dwóch głównych poziomach.

Binary Format Scenes (BIFS) opisuje czasowo-przestrzenne układy scen. Widzowie mogą mieć możliwość interakcji z obiektami, np. przez przekształcenie ich w scenie lub zmieniając ich własny punkt widzenia w wirtualnym środowisku 3D. Opis sceny stanowi bogaty zbiór węzłów dla operatorów kompozycji 2-D i 3-D oraz grafiki. Object Descriptors (ODs) określają związek między podstawowymi strumieniami (ES) odnoszącymi się do poszczególnych obiektów ODs, jak również podają dodatkowe informacje, takie jak np adres URL, niezbędne do uzyskania dostępu do strumienia podstawowego.

VRML (ang. Virtual Reality Modelling Language, początkowo — przed 1995 — znany jako Virtual Reality Markup Language, w wolnym tłumaczeniu Język Modelowania Wirtualnej Rzeczywistości) jest standardem formatu pliku opisującym grafikę trójwymiarową (3D), interaktywną grafikę wektorową, projektowaną głównie z myślą o stronach WWW. VRML został zastąpiony przez X3D.
MPEG (ang. Moving Picture Experts Group) - grupa robocza ISO/IEC zajmująca się rozwojem standardów kodowania audio i wideo, a także zatwierdzona przez ISO grupa powszechnie stosowanych formatów zapisu danych zawierających obraz i dźwięk.

Inne informacje dotyczące systemu MPEG-4:

Standardowy format plików wspiera wymianę treści MPEG-4

Wspierana interaktywność, ogólny model zdarzeń uruchamiania lub kierowania działaniami użytkowników

Stosowana jest Java (MPEG-J), aby móc wysyłać zapytania do terminala, wspierane jest środowisko Javy, istnieje również silnik aplikacji Javy - MPEGlets.

Narzędzie do przeplatania wielu strumieni w jeden strumień - FlexMux.

Narzędzie do przechowywania danych MPEG-4 w pliku (MPEG-4 Format "MP4")

Interfejsy do różnych aspektów terminal i sieci, w postaci Java API (MPEGJ) niezależności warstwy transportu.

Reprezentacja mający obsługa wielu języków, czcionek i wybór stylu, możliwość synchronizacji.

Audio

Kodek audio MPEG-4 umożliwia szeroki zakres zastosowań. W szczególności wspiera wysoce wydajną reprezentację obiektów audio składających się z:

Media strumieniowe to technika dostarczania informacji multimedialnej na życzenie. Najpopularniejsze media strumieniowe opierają się na transmisji skompresowanych danych multimedialnych poprzez Internet. Nie należy mylić mediów strumieniowych z multimedialnymi formatami plików (AVI).
Xvid (dawniej XviD) jest biblioteką kodeków video podążającą za standardem MPEG-4, a w szczególności MPEG-4 Part 2 Advanced Simple Profile (ASP). Używa takich funkcji ASP jak b-frames, globalnych i dzielnicowych pixeli kompensacji ruchu, maskowania lumi, kwantyzacji treliażowej, H.263, MPEG i niestandardowych kwantyzacji matryc.

Ogólne sygnały audio:

MPEG-4 posiada ogólne kodowania audio, począwszy od bardzo niskiej prędkości transmisji do wysokiej jakości, zastosowane przez przekształcenie technik kodowania. Funkcjonalności obejmują szeroki zakres strumienia bitów i przepustowości. Rozpoczyna się od strumienia bitów o wartości 6 kbit / s i przepustowości poniżej 4 kHz a rozciąga się na jakości transmisji od przesyłu mono(jednokonałowego) do wielokanałowego. Wysoką jakość można osiągnąć przy małych opóźnieniach. Parametry Audio Coding pozwalają na manipulację dźwiękami przy małych prędkościach.

Nero Burning ROM to jeden z najpopularniejszych programów służących do nagrywania płyt CD/DVD pod kontrolą systemu Windows. Współpracuje z wieloma nagrywarkami – do wielu z nich do niedawna był dołączany standardowo, obecnie jego miejsce zajął uproszczony Nero Express. Nero Burning ROM jest jednym z najbardziej zaawansowanych programów w swojej klasie, pozwalającym nagrywać wiele rodzajów danych na płytach CD/DVD. Potrafi zapisywać dane w trybie wielosesyjnym. Wchodzi on w skład pakietu Nero składającego się z większej liczby programów.
MPEG-1 jest standardem kompresji dźwięku i ruchomych obrazów zaproponowanym przez MPEG. Format wideo MPEG-1 używany jest na Video CD. Jakość obrazu przy zwykłej przepustowości VCD jest w przybliżeniu porównywalna do tej znanych z kaset VHS. MPEG-1 Audio Layer 3 jest pełną nazwą popularnego formatu kompresji dźwięku, MP3.

Sygnały mowy:

Kodowanie mowy może być wykonane przy użyciu strumienia bitów od 2 kbit / s do 24 kbit / s przy użyciu narzędzi kodowania mowy. Niższe strumienie bitów, takie jak 1,2 kbit / s, jest możliwe przy dostępnej zmiennej watości kodowania. Niskie opóźnienie jest możliwe dla aplikacji połączeniowych. Podczas korzystania z narzędzia HVXC, prędkość i wysokość dźwięku mogą być zmieniane przez użytkownika w czasie odtwarzania. Jeśli używane są narzędzia CELP, zmianę prędkości odtwarzania można osiągnąć za pomocą dodatkowych narzędzi do przetwarzania efektów.

QuickTime jest technologią multimedialną rozwijaną przez firmę Apple. Program zdolny jest do odtwarzania plików w różnych formatach DV, media, tekstu, dźwięku, animacji, muzyki. Dostępny dla systemu operacyjnego Mac OS (9, 8, 7 itd), Mac OS X oraz Microsoft Windows. Zapewnia również wsparcie dla oprogramowania takiego jak iTunes, Quick Time Player i przeglądarki internetowej Safari.

Dźwięk syntetyczny:

Structured Audio opisuje narzędzia (małe programy, które generują dźwięk) oraz wyniki(wejścia opisujące różne obiekty). Tymi obiektami nie są instumenty muzyczne, lecz są to formuły matematyczne, które mogą generować dźwięki instrumentów muzycznych np. pianina, dźwięki przyrody np. spadającej wody.

Syntetyczna mowa skalowalna:

Kodeki TTS ze strumieniem bitów od 200 bit / s do 1,2 Kbit / s pozwalają na generowane mowy syntetycznej. Jest to sztuczna mowa ludzka.

Video i Obrazy

Standard MPEG-4 Visual umożliwia kodowanie hybrydowe naturalnych obrazów i wideo wraz z syntetycznymi scenami (generowanymi przez komputer). Pozwala to na przykład na wirtualną obecność uczestników wideokonferencji. W tym celu standardowe narzędzia wizualne wspierają algorytmy kodowania naturalnych zdjęć i sekwencji wideo, a także narzędzia do obsługi kompresji syntetycznych grafiki 2-D i 3-D.

Poniższe podrozdziały zawierają szczegółowy przegląd funkcjonalności narzędzi i algorytmów w standardzie MPEG-4.

Obsługiwane formaty:

MPEG-4 wspiera następujące formaty i strumienie bitów:

Strumienie bitów: zazwyczaj od 5 kbit / s, do ponad 1 Gbit / s

Formaty: progresywne, także filmy z przeplotem

Rozdzielczości: zazwyczaj od sub-QCIF do Studio-resolution (4k x 4k piksele)

Wydajność kompresji:

Dla wszystkich wartości strumieni bitów algorytmy są bardzo wydajne. Obejmuje to kompaktowe kodowania tekstury w wysokiej jakości, regulowane w zakresie dobrej jakości i z bardzo wysokim współczynnikiem kompresji.

Kompresja tekstur do mapowania sieci 2-D i 3-D.

Dowolny dostęp do funkcji umożliwiających wstawienie pauzy, przewijanie do przodu i do tyłu.

Funkcje zarządzania treścią:

Oparte na treści kodowania obrazów i wideo pozwalają na oddzielne dekodowanie i rekonstrukcje dowolnie kształtowanych obiektów wideo.

Rozszerzone modyfikowanie treścią w sekwencjach wideo pozwala na zastosowanie funkcji, takich jak zniekształcenie, przekształcanie syntetycznego lub naturalnego tekstu, tekstury, grafiki i wideo.

Przykładem jest odwzorowanie tekstu, tzn tekst jest wyświetlany na wierzchu filmu i porusza się wraz z obiektem obrazu, w tym samym kierunku.

Skalowalność tekstur, obrazów i wideo:

Skalowalność złożoności kodowania pozwala na różną złożoność generowania strumieni bitów ważnych i istotnych dla danej tekstury, zdjęcia lub filmu wideo.

Skalowalność złożoności dekodowania pozwala na dekodowanie strumienia bitów danej tekstury, obrazu lub wideo przez dekodery o różnym stopniu złożoności. Zrekonstruowanie jakości, odnosi się do złożoności używanego dekodera. Może to oznaczać, że dekoder o mniejszej mocy może dekodować tylko część strumieni bitów.

Skalowalność przestrzenna pozwala na dekodowanie podzbioru całego strumienia bitów generowanych przez koder do rekonstrukcji i wyświetlania obiektów tekstury, obrazu i wideo o obniżonej rozdzielczości przestrzennej.

Czasowa skalowalność pozwala na dekodowanie podzbiorów całego strumienia bitów generowanego przez koder do rekonstrukcji i wyświetlania wideo w czasie obniżonej rozdzielczości. Obsługiwane są maksymalnie trzy poziomy.

Kodowanie kształu i kanału alfa:

Kodowanie kształtu wspomaga opisanie i składanie konwencjonalnych obrazów jak również dowolnych kształtów wideo. Aplikacje, które korzystają z map kształtów binarnych są reprezentacją treści obiektu dla baz danych obrazu, interaktywnych gier i animacji. Mapa binarna alfa określa, czy piksel należy do obiektu. Wartość piksela może być ustawiona na "on" lub "off".

Płaszczyzna alfa określa "przejrzystość" obiektu, która nie zawsze jest jednolita i może różnić się w obiekcie, np. krawędzie są bardziej przejrzyste niż właściwa zawartość. Wielopoziomowe mapy alfa są często wykorzystywane do mieszania różnych warstw sekwencji obrazów. Inne aplikacje, które korzystają z map alfa binarne związane z obrazów opartych na treści oświadczenia obrazu dla baz danych obrazu, interaktywnych gier i animacji.

Odporność na błędy:

Elastyczne dostosowanie do występowania błędów pozwala na szeroki dostęp do zdjęć i wideo, oraz przesyłania mediów w szerokim zakresie. Jest to możliwe, dzięki funkcjonowaniu algorytmów kompresji obrazów i wideo w środowiskach narażonych na błąd niskiej jakości (tj. mniej niż 64 Kb / s). Istnieją narzędzia, które są odpowiednie do używania standardu przy paśmie o ograniczonej przepustowości i są one odporne na błąd dostępu do sieci.

Animacja twarzy i ciała:

Narzędzia animacji twarzy i ciała w standardzie MPEG-4 umożliwiają wysyłanie parametrów, które definiują, kalibrują i animują syntetyczne twarze i ciała. Modele te same w sobie nie są standardem MPEG-4, jedynie te parametry należą do standardu.

Narzędzia obejmują:

Definicje i kodowanie parametrów animacji twarzy i ciała

Cechy punktów pozycji i kierunków, ożywiające twarz i ciało

Wirtualne usta odwzorowujące ruchy prawdziwych ust podczas mowy

Parametry i definicje ruchów ciała i twarzy

Charakterystyki personalne

Kodowanie tekstury twarzy

czytaj dalej: [2], [3]

w oparciu o Wikipedię (licencja GFDL, CC-BY-SA 3.0, autorzy, historia, edycja)