VMAF của Netflix: Khi thuật toán học được cách "nhìn" video như con người

VMAF (Video Multi-Method Assessment Fusion) là thuật toán đánh giá chất lượng video dựa trên cảm nhận thị giác do Netflix phát triển, từng đoạt giải Emmy. Điểm đặc biệt của VMAF nằm ở việc kết hợp nhiều thước đo khác nhau thành một điểm số duy nhất, phản ánh sát hơn cảm nhận thực tế của người xem so với các chỉ số truyền thống như PSNR hay SSIM.

Trạng thái build của libvmaf

Vì sao PSNR và SSIM không còn đủ?

Trong nhiều năm, giới kỹ thuật nén video dựa vào các chỉ số như PSNR (tỷ số tín hiệu trên nhiễu đỉnh) hay SSIM (độ tương đồng cấu trúc) để đánh giá chất lượng. Tuy nhiên, các thước đo này chỉ so sánh từng pixel một cách máy móc và thường không khớp với những gì mắt người thực sự cảm nhận.

Đây chính là bài toán mà Netflix phải giải quyết khi phát trực tuyến hàng triệu giờ video tới đa dạng thiết bị và điều kiện băng thông. Công ty cần một thước đo trả lời được câu hỏi: "Người xem có nhận ra sự khác biệt không?", thay vì chỉ hỏi "Có bao nhiêu pixel bị thay đổi?".

VMAF ra đời với tư duy fusion — tức là hợp nhất nhiều phương pháp đánh giá khác nhau thành một mô hình duy nhất, dùng học máy để hiệu chỉnh sao cho điểm số cuối cùng tương quan cao nhất với đánh giá chủ quan của con người.

Bên trong bộ công cụ VMAF

Gói phần mềm mã nguồn mở của Netflix gồm thư viện C độc lập libvmaf và lớp bọc Python đi kèm. Thư viện Python còn cung cấp bộ công cụ giúp người dùng tự huấn luyện và kiểm thử mô hình VMAF tùy chỉnh cho nội dung riêng.

Ngoài VMAF, libvmaf tích hợp sẵn nhiều chỉ số quen thuộc khác như PSNR, PSNR-HVS, SSIM, MS-SSIM và CIEDE2000 — nghĩa là kỹ sư có thể đo song song nhiều thước đo chỉ trong một lần chạy.

Có nhiều cách để làm việc với VMAF:

• Công cụ dòng lệnh vmaf: triển khai đầy đủ thuật toán, dễ đưa vào môi trường production, kèm các tính năng phụ trợ như PSNR, SSIM, MS-SSIM.
• Thư viện C libvmaf: giao diện để nhúng VMAF trực tiếp vào mã nguồn của bạn, hỗ trợ tích hợp thêm các bộ trích xuất đặc trưng khác.
• Thư viện Python: tập hợp lớp bọc và script phục vụ kiểm thử phần mềm, huấn luyện và kiểm chứng mô hình, xử lý dataset, trực quan hóa dữ liệu.
• Tích hợp FFmpeg: VMAF hiện là một filter trong FFmpeg, chỉ cần cấu hình ./configure --enable-libvmaf.
• Docker: Dockerfile có sẵn giúp dựng nhanh image từ thư viện Python.

Trạng thái build trên FFmpeg

Những cột mốc đáng chú ý

Dự án VMAF được cập nhật liên tục trong nhiều năm, phản ánh mức độ đầu tư nghiêm túc của Netflix:

• (06/2026) Ra mắt bộ mô hình VMAF v1 mới, kèm tài liệu models_v1.md hướng dẫn chọn mô hình. Thế hệ mô hình cũ (v0) vẫn được lưu tài liệu trong models_v0.md. Netflix cho biết sẵn sàng tiếp nhận phản hồi và tiếp tục cải tiến.
• (12/2023) Phát hành libvmaf v3.0.0 với nhiều tối ưu hóa, sửa lỗi và loại bỏ hoàn toàn các API đã bị đánh dấu lỗi thời từ v2.0.0.
• (2021) Mã nguồn mở CAMBI (Contrast Aware Multiscale Banding Index) — bộ phát hiện hiện tượng banding/contouring của Netflix, kèm cải tiến tham số max_log_contrast và tăng tốc khoảng 4,5 lần với video 4K.
• (12/2020) Phát hành libvmaf v2.0.0 với triển khai fixed-point tối ưu SIMD trên x86 (AVX2, AVX-512), nhanh gấp đôi phiên bản floating-point trước đó.
• (07/2020) Giới thiệu chế độ NEG (No Enhancement Gain) — giải pháp cho vấn đề điểm VMAF bị "thổi phồng" khi video trải qua các thao tác tăng cường hình ảnh, gây sai lệch khi so sánh codec.
• (02/2020) Chuyển giấy phép từ Apache 2.0 sang BSD+Patent, thoáng hơn và có điều khoản cấp bằng sáng chế rõ ràng.

Một chi tiết đáng chú ý về mặt kỹ thuật: VMAF được AOM (Alliance for Open Media) chỉ định làm công cụ đo lường chuẩn theo bộ điều kiện kiểm thử chung AOM CTC — ngang hàng với các chuẩn nén hiện đại như AV1.

Trạng thái build trên Windows

Ý nghĩa với cộng đồng kỹ thuật Việt Nam

Với các kỹ sư làm video, OTT, livestream hay phát triển ứng dụng giải trí tại Việt Nam, VMAF là công cụ gần như bắt buộc khi cần đánh giá chất lượng nén. Thay vì chỉ nhìn vào bitrate hay PSNR, việc dùng VMAF giúp trả lời chính xác hơn câu hỏi: với mức băng thông nào thì người dùng vẫn thấy hình ảnh "ổn"?

Việc VMAF có sẵn trong FFmpeg và có Docker image sẵn dùng giúp rào cản tiếp cận rất thấp — chỉ cần một pipeline FFmpeg là có thể đo chất lượng video ngay trong CI/CD. Đây là hướng đi đáng cân nhắc cho các đội ngũ đang tối ưu chi phí băng thông mà vẫn phải giữ trải nghiệm xem ổn định.

Toàn bộ mã nguồn, tài liệu và hướng dẫn đóng góp của VMAF được công khai trên GitHub, mở cho bất kỳ ai muốn tìm hiểu sâu hơn về cách Netflix đánh giá chất lượng video ở quy mô toàn cầu.