VMAF（视频质量评估）

定义

VMAF（Video Multi-Method Assessment Fusion）是 Netflix 与南加州大学等机构合作开发并于 2016 年开源的全参考视频质量评估指标，用机器学习融合多个基础指标来预测人类的主观打分。

原理

VMAF 提取 VIF（视觉信息保真度）、DLM（细节损失度量）与运动特征等基础指标，用 SVM 回归模型将其融合为 0-100 的分数，模型以大规模主观打分数据训练，因而与人眼感受的相关性显著优于 PSNR、SSIM 等传统指标。针对手机观看、4K 等场景另有专用模型，NEG（No Enhancement Gain）模式可排除锐化"刷分"的干扰。

应用

VMAF 已成为流媒体行业事实标准：用于编码器 A/B 对比、码率阶梯（bitrate ladder）优化、按标题/按镜头编码决策。工具上可通过 libvmaf 库在 FFmpeg 中直接计算。

局限

VMAF 是全参考指标，必须有原始视频做对照，不适用于无参考的实时监控；对超出训练分布的内容（如游戏画面）准确性也会下降。