Video Encoding Optimizer

최적의 비디오 인코딩 설정을 찾기 위한 GUI 애플리케이션
다양한 코덱과 설정을 테스트하여 화질(VMAF), 파일 크기, 인코딩 속도 간의 최적의 균형점을 찾아주는 애플리케이션입니다.
복잡한 FFmpeg 명령어를 직접 다루지 않고도, 데이터 기반의 합리적인 결정을 내릴 수 있도록 돕습니다.

영문 버전의 README는 README_EN.md에서 확인하실 수 있습니다.
You can find the English version of the README in README_EN.md.

🖼️ 미리보기 (Preview)

1. 메인 인터페이스 (Main UI)

단일 창 인터페이스에서 코덱 선택, 최적화 모드 설정, 샘플링 방식 지정 등 모든 핵심 기능을 제어하고, 실시간으로 분석 결과를 확인할 수 있습니다.

2. 상호작용형 그래프 (Interactive Graph)

모든 인코딩 결과를 2D 산점도로 시각화하여 데이터의 상관관계를 직관적으로 분석할 수 있습니다.

X/Y축을 자유롭게 변경하고, 확대/축소/이동하며 데이터를 심층적으로 탐색할 수 있습니다.

3. A/B 비교 (A/B Comparison)

▼ 원본 영상 샘플 (Original Sample)

비교의 기준이 되는 원본 영상의 한 장면입니다.

📄 원본 영상 파일 MediaInfo 정보 상세보기

General
ID                             : 0 (0x0)
Complete name                  : C:\Users\Administrator\Desktop\Video Encoding Optimizer\【BDMux】 TV 明日ちゃんのセーラー服 EP11.m2ts
Format                         : BDAV
Format/Info                    : Blu-ray Video
File size                      : 7.04 GiB
Duration                       : 23 min 41 s
Overall bit rate mode          : Variable
Overall bit rate               : 42.6 Mb/s
Maximum Overall bit rate       : 48.0 Mb/s
Frame rate                     : 23.976 FPS

Video
ID                             : 4113 (0x1011)
Menu ID                        : 1 (0x1)
Format                         : AVC
Format/Info                    : Advanced Video Codec
Format profile                 : [email protected]
Format settings                : CABAC / 4 Ref Frames
Format settings, CABAC         : Yes
Format settings, Reference fra : 4 frames
Format settings, Slice count   : 4 slices per frame
Codec ID                       : 27
Duration                       : 23 min 41 s
Bit rate mode                  : Variable
Bit rate                       : 36.2 Mb/s
Maximum bit rate               : 40.0 Mb/s
Width                          : 1 920 pixels
Height                         : 1 080 pixels
Display aspect ratio           : 16:9
Frame rate                     : 23.976 (24000/1001) FPS
Color space                    : YUV
Chroma subsampling             : 4:2:0
Bit depth                      : 8 bits
Scan type                      : Progressive
Bits/(Pixel*Frame)             : 0.729
Time code of first frame       : 01:00:00:00
Stream size                    : 6.00 GiB (85%)

Audio #1
ID                             : 4352 (0x1100)
Menu ID                        : 1 (0x1)
Format                         : PCM
Format settings                : Big / Signed
Muxing mode                    : Blu-ray
Codec ID                       : 128
Duration                       : 23 min 41 s
Bit rate mode                  : Constant
Bit rate                       : 2 304 kb/s
Channel(s)                     : 2 channels
Channel layout                 : L R
Sampling rate                  : 48.0 kHz
Bit depth                      : 24 bits
Stream size                    : 390 MiB (5%)

Audio #2
ID                             : 4353 (0x1101)
Menu ID                        : 1 (0x1)
Format                         : PCM
Format settings                : Big / Signed
Muxing mode                    : Blu-ray
Codec ID                       : 128
Duration                       : 23 min 41 s
Bit rate mode                  : Constant
Bit rate                       : 2 304 kb/s
Channel(s)                     : 2 channels
Channel layout                 : L R
Sampling rate                  : 48.0 kHz
Bit depth                      : 24 bits
Stream size                    : 390 MiB (5%)```

이제 두 가지 인코딩 설정을 비교해 보겠습니다. 두 설정 모두 아래와 같은 공통된 조건에서 진행되었습니다.

• Encoder Group: Software
• Codec: libx264
• Sample Selection: Auto (Complex Scene)
• Durations (s): 7
• Analysis Method: Single-Point

▼ 차이 A (Difference A) - Preset: fast, CRF: 21

▼ 차이 B (Difference B) - Preset: ultrafast, CRF: 51

위 두 이미지는 각각 설정 A와 설정 B가 원본 영상과 얼마나 다른지를 시각화한 결과입니다.

차이 A는 일부 윤곽선만 희미하게 보이는 반면, 차이 B는 A에 비해 훨씬 밝고 뚜렷한 윤곽선이 나타납니다.

이는 설정 B에서 더 많은 정보 손실이 발생했음을 의미하며, 설정 A가 원본을 더 잘 보존한 우수한 결과임을 알 수 있습니다.

4. 상세 HTML 리포트 (HTML Report)

모든 분석 결과, 테스트 파라미터, 추천 설정, 그리고 Chart.js 기반의 상호작용형 그래프까지 하나의 HTML 파일로 내보낼 수 있습니다.

이 리포트는 분석 내용을 보관하거나 다른 사람과 공유하는 데 매우 유용합니다.

🌟 주요 기능 (Key Features)

• 폭넓은 코덱 지원:
  • 소프트웨어: libx264, libx265, libaom-av1, svt-av1, librav1e 등
  • 하드웨어 가속: NVIDIA (NVENC), Intel (QSV), AMD (AMF)를 통한 H.264/HEVC/AV1 인코딩을 완벽히 지원합니다.
• 자동화된 샘플 추출 및 분석:
  • 지능형 장면 탐지: 영상에서 가장 복잡하거나(complex) 단순한(simple) 장면을 자동으로 찾아내어 테스트 샘플로 추출합니다. 사용자는 분석 속도 향상을 위해 병렬/순차 분석 방식을 선택할 수 있습니다.
  • 정확한 품질 측정: VMAF를 기본으로, PSNR, SSIM, 블록 스코어 등 다양한 품질 메트릭을 정밀하게 분석합니다.
• 강력한 병렬 처리:
  • 멀티프로세싱을 활용하여 여러 인코딩 작업을 동시에 실행, 분석 시간을 획기적으로 단축합니다. (시스템의 물리 CPU 코어 수 기반)
• 두 가지 고급 최적화 모드:
  • 범위 테스트 (Range Test): 지정된 프리셋과 품질(CRF/CQ/QP) 범위 내의 모든 조합을 테스트하여 전체적인 성능 분포를 파악합니다.
  • 목표 VMAF (Target VMAF): 설정한 VMAF 점수를 만족하는 가장 효율적인(가장 높은 CRF 값) 설정을 각 프리셋별로 지능적으로 탐색하며, 이 탐색 작업들은 병렬로 실행되어 속도를 극대화합니다.
• 심층적인 결과 분석 및 시각화:
  • 상호작용형 그래프: 모든 테스트 결과를 Chart.js 기반의 2D 산점도로 시각화하며, X/Y축을 자유롭게 변경하여 다양한 관점에서 데이터를 분석할 수 있습니다.
  • 파레토 프론트 (Pareto Front): 어떤 다른 설정보다 모든 면에서 우월한, 가장 효율적인 인코딩 옵션들을 자동으로 하이라이트합니다.
  • 스위트 스팟 (Sweet Spot): Pareto Front 결과 중에서 품질과 파일 크기 간의 가장 균형 잡힌 '가성비' 지점을 자동으로 추천합니다.
• 안정적인 포맷 처리:
  • 방송용 포맷(M2TS, TS) 고급 지원: 방송용 스트림에서 흔히 발생하는 타임스탬프 오프셋(PTS offset)을 자동으로 보정하고, 인터레이스 영상을 감지하여 분석에 적합하도록 자동으로 디인터레이싱합니다.
  • 색상 정보 보존: 원본 비디오의 색상 메타데이터(Color Space, Range, Primaries 등)를 감지하여 인코딩 시 명시적으로 적용, HDR/SDR 영상의 색상 왜곡을 방지합니다.
  • 동적 파일 지원: FFmpeg가 지원하는 거의 모든 비디오 포맷을 자동으로 인식하여 파일 선택 대화상자에 표시합니다.
• 사용자 편의 기능:
  • FFmpeg 자동 다운로드 및 설정: 애플리케이션 실행 시 FFmpeg가 없으면 자동으로 최신 버전을 다운로드하고 설정합니다.
  • VMAF 모델 관리: Netflix의 공식 VMAF 모델들을 클릭 한 번으로 다운로드하고 테스트에 적용할 수 있습니다.
  • A/B 비교 샘플 생성: 두 개의 결과물을 선택하여 원본과 나란히 비교할 수 있는 샘플 비디오와 차이(difference) 비디오를 즉시 생성합니다.
  • 최종 명령어 생성: 선택한 최적의 설정을 전체 비디오에 적용할 수 있는 FFmpeg 명령어를 자동으로 생성하고 클립보드에 복사할 수 있습니다.
  • 상세 리포트 내보내기: 모든 분석 결과를 CSV 데이터 또는 상호작용형 그래프가 포함된 상세한 단일 HTML 리포트로 저장할 수 있습니다.

⚙️ 작동 원리 (How it Works)

이 도구는 다음과 같은 체계적인 프로세스를 통해 최적의 인코딩 설정을 찾아냅니다.

1. 1단계: 지능형 샘플 추출 (Intelligent Sample Extraction)

   • 사용자가 '자동' 모드를 선택하면, FFprobe를 사용하여 비디오 전체를 빠르게 스캔합니다. 이 과정에서 각 프레임의 데이터 크기(pkt_size) 를 분석하여 장면의 복잡도를 측정합니다. 사용자는 병렬 분석과 순차 분석 중 선택할 수 있습니다.
   • 복잡한 장면 (Complex Scene): 초당 데이터 크기의 합이 가장 큰 구간을 찾아냅니다. 이 구간은 움직임과 디테일이 많아 비트레이트가 가장 많이 요구되는 부분으로, 코덱의 디테일 보존 능력과 성능 한계를 테스트하기에 적합합니다.
   • 단순한 장면 (Simple Scene): 초당 데이터 크기의 합이 가장 작은 구간을 찾아냅니다. 이 구간은 주로 정적이고 평탄한 영역으로, 낮은 비트레이트에서 블록킹(깍두기 현상)이 발생하기 쉬워 코덱의 압축 효율성을 평가하기 좋습니다.
   • 분석 방식 (Analysis Method): 최적의 구간을 찾는 데 두 가지 알고리즘을 선택할 수 있습니다.
     • Sliding Window (슬라이딩 윈도우): 초당 데이터 크기 맵 전체에 걸쳐 설정된 샘플 길이(Duration)만큼의 '창(window)'을 이동시키며 각 창의 평균 복잡도를 계산합니다. 이 방식은 순간적인 피크가 아닌, 지속적으로 복잡도가 높은(또는 낮은) '구간' 전체를 찾아내므로 더 안정적이고 대표성 있는 샘플을 추출할 수 있습니다.
     • Single-Point (단일 지점): 가장 복잡도가 높은(또는 낮은) 단일 1초 지점을 찾고, 그 시간을 중심으로 샘플을 구성합니다. 슬라이딩 윈도우 계산을 생략하므로 분석이 더 빠르지만, 순간적인 데이터 스파이크를 선택하여 영상 전체의 특성을 제대로 반영하지 못할 위험이 있습니다.
   • 찾아낸 구간은 원본 품질을 그대로 보존하기 위해 무손실(lossless) 코덱으로 빠르게 추출되어 임시 파일로 저장됩니다. 특히, M2TS와 같은 방송용 포맷의 경우 타임스탬프 오프셋을 자동으로 보정하고 인터레이스 영상을 감지하는 등 추가적인 전처리 과정을 거칩니다.

2. 2단계: 병렬 인코딩 및 분석 (Parallel Encoding & Analysis)

   • 사용자가 설정한 모든 테스트 조합에 대한 EncodingTask 객체 리스트를 생성합니다. 이때 원본 비디오의 색상 정보를 미리 추출하여 각 Task에 포함시킵니다.
   • Python의 multiprocessing.Pool을 사용하여 시스템의 물리 CPU 코어 수에 맞춰 여러 개의 워커(worker) 프로세스를 생성합니다.
   • 각 워커 프로세스는 독립적으로 EncodingTask를 받아 FFmpeg를 실행하여 샘플을 인코딩하고, VMAF, PSNR, SSIM 등의 품질 메트릭을 계산합니다. 이 병렬 처리 덕분에 'Range Test' 모드에서는 수십 개의 테스트를, 'Target VMAF' 모드에서는 여러 프리셋에 대한 탐색을 동시에 진행할 수 있습니다.

3. 3단계: 결과 집계 및 심층 분석 (Result Aggregation & In-depth Analysis)

   • 모든 워커로부터 반환된 결과(VMAF 점수, 파일 크기 등)는 메인 스레드로 비동기적으로 전달되어 UI에 실시간으로 업데이트됩니다.
   • 모든 테스트가 완료되면, 다음과 같은 고급 분석이 수행됩니다.
     • Pareto Front 계산: 파일 크기와 VMAF 점수를 두 축으로 하여, 다른 어떤 결과물에도 '지배'당하지 않는(즉, 더 낮은 파일 크기에 더 높은 VMAF 점수를 가진 결과가 없는) 최적의 결과물 집합을 식별합니다.
     • Sweet Spot 탐색: 계산된 Pareto Front에서, 그래프의 시작점과 끝점을 잇는 가상의 직선으로부터 가장 멀리 떨어진 점을 탐색합니다. 이 점은 일반적으로 품질과 파일 크기 간의 균형이 가장 잘 맞는 '무릎 지점(knee point)'에 해당하며, 가장 균형 잡힌 설정으로 추천됩니다.

4. 4단계: 시각화 및 최종 결과 제공 (Visualization & Final Output)

   • 분석된 모든 데이터는 Matplotlib과 Chart.js를 통해 상호작용 가능한 그래프로 시각화됩니다. 사용자는 X축과 Y축을 원하는 메트릭으로 변경하며 데이터의 상관관계를 직관적으로 파악할 수 있습니다.
   • 사용자는 결과 테이블이나 그래프에서 가장 마음에 드는 설정을 선택하여, 전체 비디오에 적용할 수 있는 최종 FFmpeg 명령어를 생성할 수 있습니다.

🚀 설치 및 사용법 (Installation & Usage)

요구사항

• 운영 체제: Windows 8.1 이상
• Python: 3.10 이상 [Download]

설치 (Installation)

1. Releases에서 최신 버전의 파일을 다운로드합니다.

2. 프로젝트 디렉토리에서 터미널을 열고, 다음 두 가지 방법 중 하나를 선택하여 필요한 라이브러리를 설치합니다.

   방법 A: 직접 설치

   pip install matplotlib psutil requests

   방법 B: requirements.txt 파일 사용

   pip install -r requirements.txt

3. Video Encoding Optimizer.py를 실행합니다.

상세 사용 가이드

1. 비디오 파일 선택

• Select Video... 버튼을 클릭하여 분석할 비디오 파일을 선택합니다.

2. 인코딩 설정

• Encoder Group & Codec:
  • 애플리케이션이 시스템에 설치된 인코더를 자동으로 감지하여 그룹(Software, NVENC 등)으로 보여줍니다.
  • 원하는 그룹을 선택하면 해당 그룹에 속하는 코덱 목록(예: libx265, hevc_nvenc)이 나타납니다. 코덱을 선택하세요.
• Preset Range:
  • 테스트할 인코딩 속도/압축률 프리셋의 범위를 지정합니다. 예를 들어 fast부터 veryslow까지 선택하면 그 사이의 모든 프리셋(fast, medium, slow, slower, veryslow)이 테스트 대상에 포함됩니다.
• Optimization Mode:
  • Range Test: 지정한 품질(CRF/CQ) 값의 시작과 끝 범위를 모두 테스트합니다. 예를 들어 CRF 18-22로 설정하면 18, 19, 20, 21, 22를 모두 테스트합니다.
  • Target VMAF: 목표 VMAF 점수를 설정하면, 각 프리셋별로 해당 점수를 만족하는 가장 효율적인(CRF 값이 가장 높은) 설정을 지능적으로 찾아냅니다. 이 모드는 각 프리셋의 탐색을 병렬로 동시에 처리하여 분석 효율을 극대화합니다.
• Audio:
  • 오디오를 원본 그대로 복사(Copy Audio)할지, 제거(Remove Audio)할지 선택합니다.
• 병렬 작업 및 NVENC 경고: 'Parallel Jobs' 수를 조절할 수 있습니다. NVENC 코덱 사용 시 이 값이 하드웨어 제한을 초과하면 오류가 발생할 수 있습니다.
  • NVIDIA의 공식 정책에 따라, 대부분의 GeForce 계열 GPU는 동시에 실행 가능한 인코딩 세션 수가 드라이버 레벨에서 제한됩니다.
    • 정확한 정보는 [NVIDIA 공식 비디오 인코딩/디코딩 GPU 지원 매트릭스] 에서 확인.

3. 샘플 선택

• Auto (자동):
  • Complex Scene: 디테일이 많고 복잡한 장면을 자동으로 찾아 테스트합니다. 코덱의 디테일 보존 능력을 평가하기에 좋습니다.
  • Simple Scene: 색상 변화가 적고 평탄한 장면을 찾아 테스트합니다. 낮은 비트레이트에서 발생하는 블록킹 현상을 평가하기에 좋습니다.
  • Duration (s): 추출할 샘플의 길이를 초 단위로 설정합니다.
• Analysis Method:
  • Sliding Window (기본값): 설정한 Duration 길이의 '구간'을 통째로 분석하여 가장 대표적인 장면을 찾습니다. 더 안정적이고 신뢰도 높은 분석이 가능합니다.
  • Single-Point: 가장 복잡도가 높은(또는 낮은) '순간'(1초)을 찾아 그 지점을 중심으로 샘플을 구성합니다. 분석 속도는 더 빠르지만, 영상 전체를 대표하지 못할 수 있습니다.
• Manual (수동):
  • Set Range... 버튼을 눌러 시:분:초.밀리초 형식으로 샘플의 시작과 끝 시간을 직접 지정할 수 있습니다.
• Sample Preview: ffplay를 사용하여 현재 설정된 샘플 구간을 미리 재생해볼 수 있습니다.

4. 고급 설정 및 추가 옵션

• Advanced Settings...: 현재 선택된 코덱에 특화된 고급 옵션(예: aq-mode, psy-rd, lookahead 등)을 세밀하게 조정할 수 있는 별도의 창이 열립니다. 각 옵션에는 툴팁 설명이 제공됩니다.
• Add Metrics: VMAF 외에 PSNR, SSIM, Block Score를 추가로 계산할지 여부를 선택합니다. 약간의 추가 분석 시간이 소요됩니다.
• VMAF Model: Download/Update Models 버튼으로 공식 VMAF 모델들을 다운로드한 후, Browse... 버튼을 통해 특정 해상도나 기기에 최적화된 모델(예: vmaf_4k_v0.6.1.json)을 선택하여 분석에 사용할 수 있습니다.

5. 최적화 시작

• 모든 설정을 마친 후 Start Optimization 버튼을 누르면 분석이 시작됩니다. 진행률 표시줄과 상태 메시지를 통해 현재 진행 상황을 확인할 수 있습니다.
• Cancel 버튼을 누르면 진행 중인 모든 작업을 즉시 중단합니다.

6. 결과 확인 및 활용

• Results Table:

  • 모든 테스트 결과가 표에 실시간으로 추가됩니다. 컬럼 헤더를 클릭하여 결과를 정렬할 수 있습니다.
  • 색상 하이라이트:
    • 🟡 Sweet Spot: 품질과 파일 크기 간의 균형이 가장 이상적인 추천 설정입니다.
    • 🟢 Pareto Optimal: 효율적인 설정들입니다. 이들보다 더 좋다고 말할 수 있는 다른 설정은 없습니다.
    • 🟣 Lowest VMAF: 테스트 중 가장 낮은 VMAF 점수를 기록한 설정입니다.
    • 🔴 Least Efficient: 가장 비효율적인(VMAF/MB가 가장 낮은) 설정입니다.

• 결과 활용 버튼:

  • View Graph: 결과를 상호작용형 그래프로 봅니다. 마우스 휠로 확대/축소, 드래그로 이동이 가능하며, 점 위에 마우스를 올리면 상세 정보가 툴팁으로 표시됩니다.
  • A/B Compare: 테이블에서 두 개의 결과를 선택한 후 이 버튼을 누르면, 해당 설정으로 인코딩된 두 개의 샘플 영상과 원본과의 차이를 보여주는 'Difference' 영상이 생성되어 폴더에 저장됩니다. 시각적으로 품질 차이를 비교하는 데 매우 유용합니다.
  • View Command: 테이블에서 하나의 결과를 선택하면, 해당 설정을 전체 비디오에 적용하는 데 필요한 ffmpeg 명령어를 생성하여 보여줍니다.
  • View Log: 선택한 결과의 인코딩 및 분석 과정에서 생성된 전체 ffmpeg 로그를 확인할 수 있어, 문제 해결에 도움이 됩니다.
  • Export Results: 모든 결과를 CSV 파일이나, 모든 정보와 상호작용형 그래프가 포함된 단일 HTML 파일로 내보낼 수 있습니다.

🔧 핵심 메커니즘 분석 (Analysis of Core Mechanisms)

• 아키텍처:
  • VideoOptimizerApp 클래스가 메인 GUI와 애플리케이션 로직을 관리합니다.
  • EncodingTask 데이터 클래스는 각 인코딩 작업에 필요한 모든 파라미터를 구조화합니다.
  • FFmpegCommandBuilder 클래스는 EncodingTask를 기반으로 동적으로 FFmpeg 명령어를 생성하여 코드의 재사용성과 유지보수성을 높입니다.
  • perform_one_test 함수는 단일 EncodingTask를 처리하도록 설계되었으며, multiprocessing을 통해 별도의 프로세스에서 실행됩니다. 이는 GIL(Global Interpreter Lock)의 제약을 우회하여 CPU 집약적인 인코딩 작업을 완벽하게 병렬화합니다.

• 지능형 장면 탐색 (Intelligent Scene Detection):
  • Frame Size Analysis: 복잡한 장면 탐색 시, FFprobe를 통해 추출한 프레임별 패킷 크기(pkt_size) 를 분석합니다. 이 데이터 크기는 장면의 복잡도(모션, 디테일)와 직접적인 관련이 있어, 가장 데이터량이 많거나 적은 구간을 효과적으로 찾아낼 수 있습니다.
  • Two-Pass Hybrid Parallel Analysis: 사용자가 병렬 분석을 선택하면, 1차로 비디오 전체를 빠르게 스캔하여 키프레임(I-frame)의 타임스탬프만 추출합니다. 2차로 이 타임스탬프 목록을 기준으로 분석 구간을 나누어 각 CPU 코어에 할당, 모든 프레임을 병렬로 상세 분석하여 디스크 I/O 경합을 최소화하고 속도를 극대화합니다.

• 동적 UI 생성 및 확장성:
  • CODEC_CONFIG 딕셔너리는 모든 코덱의 설정(프리셋, 품질 범위, 고급 옵션 등)을 중앙에서 관리하는 스키마 역할을 합니다.
  • AdvancedSettingsWindow는 이 스키마를 읽어 각 코덱에 맞는 UI 위젯(콤보박스, 스핀박스, 체크박스 등)을 동적으로 생성하여, 새로운 코덱이나 옵션을 쉽게 추가할 수 있는 확장성 높은 구조를 가집니다.

• 안정적인 미디어 처리:
  • 색상 보존 (Color Preservation): get_color_info 함수가 FFprobe를 통해 원본 비디오의 색상 메타데이터(Color Space, Range, Primaries, TRC)를 추출하고, 이를 각 인코딩 명령어에 명시적으로 추가합니다. 이로써 색상 변환 과정에서 발생할 수 있는 왜곡을 방지하고 원본의 색감을 정확하게 유지합니다.
  • 방송용 스트림 처리 (Broadcast Stream Handling): M2TS/TS 스트림의 PTS(Presentation Time Stamp) 오프셋을 자동으로 감지하고 모든 타임스탬프가 0부터 시작하도록 정규화합니다. 또한, 인터레이스 영상을 감지하여 bwdif 필터로 자동 디인터레이싱 후 분석을 진행하여 정확도를 높입니다.
  • A/B 비교: blend=all_mode=difference 필터를 사용하여 두 영상 간의 픽셀 단위 차이를 시각화하는 'Difference' 영상을 생성합니다.

• 핵심 분석 지표 및 알고리즘:

  • IQR 이상치 제거 (IQR Outlier Removal):

    • 장면 분석 시, 순간적인 데이터 오류(예: 손상된 프레임)나 극단적인 값들이 전체 분석 결과를 왜곡하는 것을 방지합니다.
      • 통계 기법인 사분위수 범위(Interquartile Range) 를 사용하여 정상 범위를 벗어나는 데이터를 이상치로 간주하고 제거합니다.
      • 특히, 코드에서는 일반적인 Q1(25%), Q3(75%) 대신 하위 15%와 상위 85% 를 기준으로 사용하여 더 안정적인 분석을 수행합니다.

    LaTeX 공식

    $$\text{IQR} = Q_{0.85} - Q_{0.15} \\\ \text{Lower Bound} = Q_{0.15} - (k \times \text{IQR}) \\\ \text{Upper Bound} = Q_{0.85} + (k \times \text{IQR})$$

    (여기서 k는 이상치 탐색의 민감도를 조절하는 승수로, 코드에서는 3.0을 사용합니다.)

    논리 표현식 (Plain Code)

    IQR = Percentile(Data, 85) - Percentile(Data, 15)
    Lower_Bound = Percentile(Data, 15) - (3.0 * IQR)
    Upper_Bound = Percentile(Data, 85) + (3.0 * IQR)
    
    // 데이터가 Lower_Bound와 Upper_Bound 사이에 있을 때만 유효한 것으로 간주
    Valid_Data = {d | d for d in dataset if Lower_Bound <= d <= Upper_Bound}
    

  
  

  • 하위 1% VMAF (VMAF 1% Low):

    • 전체 영상의 평균 VMAF 점수만으로는 파악하기 힘든 '품질 일관성'을 측정합니다.
      • 평균 점수는 높아도 특정 구간에서 품질이 급격히 저하되는 경우를 잡아내기 위한 지표입니다.
      • 모든 프레임의 VMAF 점수를 정렬한 후, 하위 1%에 해당하는 점수들의 평균을 계산합니다.

    LaTeX 공식

    $$S = \{v_1, v_2, \dots, v_n\} \quad (\text{단, } v_i \le v_{i+1}) \\\ N_{1\%} = \lfloor n \times 0.01 \rfloor \\\ \text{VMAF}_{1\%\text{ Low}} = \frac{1}{N_{1\%}+1} \sum_{i=1}^{N_{1\%}+1} v_i$$

    논리 표현식 (Plain Code)

    All_VMAF_Scores = sorted([...])
    One_Percent_Index = floor(length(All_VMAF_Scores) * 0.01)
    
    // 하위 1%에 해당하는 점수들 (최소 1개 포함)
    Lowest_Scores = All_VMAF_Scores[0 ... One_Percent_Index]
    
    VMAF_1_Percent_Low = average(Lowest_Scores)
    

  
  

  • 효율성 지표 (Efficiency Metric):

    • 인코딩 설정의 '가성비'를 정량적으로 평가하기 위한 핵심 지표로, VMAF 점수 / 파일 크기(MB) 공식을 사용합니다.
      • 1MB 용량당 얼마나 높은 VMAF 품질을 얻었는지를 나타냅니다.

    LaTeX 공식

    $$\text{Efficiency} = \frac{\text{VMAF}_{\text{mean}}}{\text{File Size (MB)}}$$

    논리 표현식 (Plain Code)

    Efficiency = VMAF_Score / File_Size_in_MB
    

  
  

  • 'Sweet Spot' 탐색 알고리즘 (Perpendicular Distance Heuristic):

    • Pareto Front 결과들 중에서 품질과 파일 크기 간의 가장 균형 잡힌 지점을 찾기 위해, 기하학적 휴리스틱을 사용합니다.
      • Pareto Front의 시작점 P₁(size₁, vmaf₁)과 끝점 P₂(size₂, vmaf₂)을 잇는 직선으로부터 가장 멀리 떨어진 점 P₀(size₀, vmaf₀)를 찾습니다.

    LaTeX 공식

    $$d = \frac{|(y_2 - y_1)x_0 - (x_2 - x_1)y_0 + x_2y_1 - y_2x_1|}{\sqrt{(y_2 - y_1)^2 + (x_2 - x_1)^2}}$$

    실제 코드에서는 분모(denominator)가 모든 점에 대해 동일한 상수이므로, 연산 속도를 위해 분자(numerator) 값만 계산하여 최대가 되는 지점을 찾습니다.

    논리 표현식 (Plain Code)

    P_start = (size_min, vmaf_at_min)
    P_end = (size_max, vmaf_at_max)
    
    // 모든 Pareto Front 점 P_current에 대해 아래 값을 계산
    P_current = (current_size, current_vmaf)
    
    // 점과 직선 사이의 거리 공식의 분자 부분
    distance_numerator = abs(
        (P_end.y - P_start.y) * P_current.x - 
        (P_end.x - P_start.x) * P_current.y + 
        P_end.x * P_start.y - P_end.y * P_start.x
    )
    
    // 'distance_numerator'를 최대화하는 P_current가 Sweet Spot이 됨
    SweetSpot = Point P_current that maximizes the distance_numerator
    

  
  

  • 'Target VMAF' 탐색 알고리즘 (하이브리드 탐색):

    • 목표 VMAF 점수를 만족하는 가장 효율적인(가장 높은) CRF 값을 찾기 위해 선형 보간(Secant Method의 근간)과 이진 탐색을 결합한 하이브리드 방식을 사용합니다.
      • 먼저 선형 보간으로 다음 탐색 지점을 예측하여 수렴 속도를 높이고, 예측값이 범위를 벗어날 경우 안정적인 이진 탐색으로 안전하게 전환합니다.

    LaTeX 공식 (선형 보간)

    $$q_{\text{next}} = q_{\text{high}} + (q_{\text{low}} - q_{\text{high}}) \times \frac{v_{\text{target}} - v_{\text{low}}}{v_{\text{high}} - v_{\text{low}}}$$

    논리 표현식 (Plain Code)

    q_next = q_high + (q_low - q_high) * (v_target - v_low) / (v_high - v_low)
    
    // 만약 q_next가 [q_low, q_high] 범위를 벗어나면, 
    // q_next = q_low + (q_high - q_low) / 2 로 대체 (이진 탐색)
    

  
  
  • Pareto Front 계산 (다기준 최적화):

    • 어떤 다른 결과물에도 '지배(dominate)'당하지 않는 최적의 결과 집합을 식별합니다. 결과 A가 결과 B를 지배하는 조건은 다음과 같습니다.

    • 지배(Dominance) 조건:

      1. 모든 최적화 기준에서 A가 B보다 나쁘지 않다.
      2. 최소 하나의 최적화 기준에서 A가 B보다 명백히 우수하다.
      3. Tie-Breaker: 모든 수치 지표가 동일할 경우, 더 빠른 프리셋(예: fast vs slow)을 가진 쪽이 우수한 것으로 간주합니다.

      LaTeX 공식

      $$(\text{VMAF}(A) \ge \text{VMAF}(B) \land \text{size}(A) \le \text{size}(B)) \land (\text{VMAF}(A) > \text{VMAF}(B) \lor \text{size}(A) < \text{size}(B))$$

      논리 표현식 (Plain Code)

      (A.vmaf >= B.vmaf AND A.size <= B.size)
      AND
      (A.vmaf > B.vmaf OR A.size < B.size)
      // 만약 위 조건이 모두 false(즉, 모든 값이 같다면)
      // OR (A.preset_speed > B.preset_speed)
      

🔄 업데이트 내역

v1.1.0 (2025-09-07)

이번 업데이트는 특정 비디오 파일 형식(.ts 등)에서 발생하던 오류를 해결하고, 프로그램의 전반적인 안정성과 호환성을 향상시키는 데 중점을 두었습니다.

• 버그 수정 (Bug Fixes)

  • FFmpeg 컬러 스페이스(Color Space) 옵션 수정:
    • 색상 공간 정보가 포함된 비디오 처리 시, 잘못된 FFmpeg 옵션(-color_space)으로 인해 인코딩이 실패하던 오류를 수정했습니다. (올바른 옵션: -colorspace)

• 개선 사항 (Improvements)

  • 방송용 스트림(.ts) 및 불안정한 비디오 파일 처리 기능 개선:

    • 인터레이스(Interlaced) 영상 처리 안정성 향상: 타임스탬프가 불안정한 비디오에서도 디인터레이싱 필터(bwdif)가 올바르게 적용되도록 하여, 인터레이스 영상을 프로그레시브 샘플로 안정적으로 변환할 수 있게 되었습니다.
    • 타임스탬프(Timestamp) 손상 대응 강화: 타임스탬프가 없거나 불규칙한 비디오를 처리할 때, FFmpeg가 타임스탬프를 재구성(-fflags +genpts)하고 일정한 프레임 속도(-vsync cfr)로 교정하여 분석 실패율을 낮췄습니다.
    • 샘플 파일의 구조적 무결성 보장: 생성되는 샘플 파일의 첫 프레임이 반드시 키프레임(I-frame)이 되도록 강제(-force_key_frames)하여 후속 작업의 안정성을 확보했습니다.

  • 오류 로깅 강화:

    • FFmpeg/FFprobe 작업 실패 시, 실행된 명령어와 오류 내용이 Video Encoding Optimizer.log 파일에 상세히 기록되도록 개선했습니다.

📜 이전 업데이트 내역 - 클릭하여 열기

v1.0.1 (2025-09-06)

이번 업데이트는 사용자 피드백을 반영하여 수동 샘플 모드의 안정성과 UI 명확성을 개선하는 데 중점을 두었습니다.

• 버그 수정 (Bug Fixes)

  • 수동 샘플 모드 안정성 향상:
    • Sample Selection을 Manual 모드로 설정했을 때, 인코딩 테스트가 동작하지 않던 문제를 수정했습니다.

• 개선 사항 (Improvements)

  • UI 명확성 개선:
    • Manual 모드 선택 시, 관련 없는 Analysis Method 메뉴가 비활성화되도록 변경했습니다.

v1.0.0 (2025-09-04)

• 최초 릴리스.

📄 라이선스 (License)

이 프로젝트는 GNU General Public License v3.0 에 따라 라이선스가 부여됩니다.