이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Nokia는 VVC 디코더와 VSEI 기반 메타데이터, 그리고 OpenVINO 추론을 결합한 공개 Neural Network Post Filtering(NNPF) 소프트웨어를 배포했다. 구현은 디코더 출력에 신경망을 적용해 텍스처와 그라데이션을 복원하는 처리 흐름으로 설계되었고, Figure 2에 제시된 원수치(예: SRH VMAF -5.15%)를 근거로 동일 비트레이트에서 체감 화질 개선이 가능함을 주장했다. 소스는 BSD 3-Clause Clear License로 공개되었고 특허 관련 발명은 별도 라이선스 대상임이 확인됐다.
빠른 이해
새로운 점
표준 기반 VVC 디코더 경로와 동기화된 SEI 가중치 전달을 포함한 공개 NNPF 소프트웨어로, 디코딩 이후 신경망 후처리를 소비자 기기에서 실시간으로 적용 가능한 형태로 제시한 점이 핵심 신호이다.
핵심 메커니즘
디코더 출력 프레임과 VSEI/SEI 메타데이터를 입력으로 받아 메타데이터로 필요한 가중치나 적용 지점을 결정하고 OpenVINO 런타임에서 신경망 추론을 실행한 뒤 보정된 픽셀을 합성해 최종 프레임을 출력하는 후처리 파이프라인이다.
핵심 수치
- SRH (first 64 pictures) Y PSNR: -2.93%
- SRH (first 64 pictures) U PSNR: -29.70%
- SRH (first 64 pictures) V PSNR: -32.44%
- SRH (first 64 pictures) VMAF: -5.15%
- SRH1-DucksTakeOff VMAF: -10.75%
- SRH2-DrivingPOV4 VMAF: -2.90%
섹션별 상세
기사 개요
Nokia는 Neural Network Post Filtering(NNPF) 공개 소프트웨어를 배포해 디코딩 후 신경망 기반 후처리로 화질을 개선하는 실무 경로를 제시했다. 이 소프트웨어는 VVC 디코더 경로와 VSEI 기반의 동기화된 메타데이터, 신경망 가중치 관리와 OpenVINO를 통한 실시간 추론을 하나의 도구체인으로 통합했다. 결과적으로 전송 비트레이트를 늘리지 않고도 시청자에게 더 선명하고 자연스러운 영상 경험을 제공하는 것을 목표로 하고 있다.
처리 흐름과 구현 방식
NNPF의 입력은 VVC 디코더가 출력한 영상 프레임과 VSEI/SEI로 캡슐화된 동기화 메타데이터이며, 처리 과정은 메타데이터로 가중치나 적용 지점을 식별한 뒤 OpenVINO 런타임에서 신경망 추론을 수행해 출력 프레임을 보정하는 형태로 이루어진다. 이 파이프라인은 디코더 출력→메타데이터 파싱→가중치 로드→추론 실행→최종 프레임 합성의 순서로 동작하며 실시간을 목표로 최적화되었다는 구현 세부가 제시됐다. 구현은 표준 호환성을 유지하도록 설계되어 기존 전송·배포 체인을 변경하지 않고도 적용할 수 있다는 점이 핵심이다.
근거
- NNPF는 디코딩 이후 신경망으로 텍스처와 경계 등을 복원해 체감 품질을 개선한다. — 본문 서두 및 'Why NNPF matters for consumers' 단락과 Figure 1 캡션
- 소프트웨어는 VVC 디코더 경로, NNPF SEI 메시지 지원, 가중치 처리 및 OpenVINO 기반 실시간 추론을 결합한다. — 본문 중간의 기술 통합 설명 문단
성능 근거와 수치
Nokia는 Figure 2에서 샘플 실험 결과를 제시하며 시청 화질이 동일 비트레이트에서 개선되는 근거를 보여주었다. 표에 제시된 수치는 SRH(첫 64 프레임)에서 Y PSNR -2.93%, U PSNR -29.70%, V PSNR -32.44%, VMAF -5.15%와 같은 값들이며, 세부 시퀀스별로 SRH1-DucksTakeOff에서 VMAF -10.75% 등 표의 원수치를 그대로 제시했다. 원문은 이 수치를 바탕으로 NNPF가 디코딩 후 복원으로 색상·그라데이션·텍스처를 보강해 체감 품질을 높일 수 있음을 실험적으로 확인했다고 명시했다.
근거
- Figure 2의 샘플 결과는 SRH(첫 64 프레임)에서 Y PSNR -2.93%, U PSNR -29.70%, V PSNR -32.44%, VMAF -5.15% 등 원수치를 제시한다. — Figure 2 표와 캡션
소비자 기기와 실행 가능성
NNPF는 OpenVINO를 활용해 노트북·폰·TV·셋톱박스 등 소비자용 하드웨어의 전용 AI 가속을 통해 실시간 추론을 수행하도록 구현되어 있다. 구현 방식은 런타임에서 네트워크를 로드하고 프레임 단위로 추론을 적용하는 구조이며, 이 과정에서 레이턴시와 처리량을 관리하기 위한 하드웨어별 최적화가 필요하다는 점이 언급됐다. 결과적으로 전용 가속기가 탑재된 기기에서 표준 기반 워크플로로 대규모 적용이 가능함이 제시되었다.
업계 영향과 표준 연계
공개 소프트웨어 배포는 연구자·인코더 벤더·플랫폼팀이 표준 기반의 AI 후처리를 실험하고 상호운용성을 검사할 수 있는 경로를 열었다. Nokia는 VSEI를 통해 H.26x 계열 표준에 메타데이터 기반의 향상 기능을 연결하는 접근을 추진해왔으며, 이번 릴리스는 표준 리더십과 구현 리더십을 연결하는 실제 사례로 제시되었다. 미디어 업계 관점에서 VVC의 코딩 효율성에 NNPF 같은 AI 보강이 결합되면 제한된 네트워크 환경에서도 더 나은 시청 경험을 제공할 수 있음을 의미한다.
공개 소프트웨어와 라이선스
NNPF 소프트웨어는 BSD 3-Clause Clear License로 공개되어 평가와 실험을 촉진하도록 배포되었다. 다만 문서에 따르면 Nokia가 보유한 특허 관련 발명은 별도의 라이선스 프로그램 대상이며, 사용자는 해당 조건을 확인해야 한다고 명시됐다. GitHub 저장소(https://github.com/nokia/fraunhoferhhi-vvdec/blob/master/nnpf/README.md)를 통해 누구나 코드를 확인해 테스트할 수 있도록 제공되었다.
근거
- 소프트웨어는 BSD 3-Clause Clear License로 공개되며 특허 관련 발명은 별도 라이선스 프로그램 대상이다. — 공개·라이선스 관련 단락과 GitHub 링크 출처
용어 해설
- 신경망 포스트 필터링 (NNPF)(Neural Network Post Filtering (NNPF))
- — NNPF는 디코딩 이후 프레임에 신경망을 적용해 손실된 텍스처와 경계 정보를 복원하는 기술이다. 입력으로 디코더 출력과 동기화된 메타데이터(SEI)를 받고, 네트워크 추론을 통해 출력 픽셀을 보정하는 처리 파이프라인으로 동작한다. 전송 비트레이트를 늘리지 않고 지각적 화질을 개선해 스트리밍 효율을 높이는 점이 중요하다.
- VVC(Versatile Video Coding (VVC))
- — VVC는 차세대 비디오 코덱 표준으로 동일 비트레이트에서 더 높은 압축 효율을 제공하는 것이 목표이다. 비디오 비트스트림을 생성하고 파싱하는 표준 규격으로 NNPF와 같은 후처리 메커니즘과 메타데이터를 연계할 수 있는 기반을 제공한다. 방송과 스트리밍 양쪽에서 다음 세대 서비스의 효율화를 가능하게 하는 역할이 있다.
- VSEI
- — VSEI는 H.26x 계열 표준에 동기화된 메타데이터와 향상 기능을 확장하는 이니셔티브이다. 디코더와 후처리 모듈 간에 네트워크 가중치나 제어 정보를 전달할 수 있는 SEI 메시지 기반 인터페이스를 규정한다. 표준 호환성을 유지하면서 AI 향상 기능을 배포하는 교량 역할을 수행한다.
- OpenVINO
- — OpenVINO는 인텔이 제공하는 추론 가속 런타임으로 CPU·GPU·NPU 등에서 신경망을 실시간으로 실행하도록 최적화된 플러그인과 연산 그래프 변환 기능을 제공한다. NNPF는 OpenVINO를 통해 소비자용 하드웨어에서 실시간 추론을 수행하는 구현 방식을 제시했다. 실제 하드웨어에서 레이턴시·처리량 요건을 맞추는 데 핵심적이다.
기술
- VVC
- NNPF
- VSEI
- OpenVINO
- VTM CfE
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
수집 2026. 07. 30.출처 타입 WEB
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.