Verstehen der subjektiven Bewertung der Videoqualität: Wie menschliche Wahrnehmung die Videoevaluierung prägt. Erkunden Sie die Prinzipien, Techniken und Herausforderungen bei der Messung der Videoqualität durch menschliche Augen.

• Einführung in die subjektive Bewertung der Videoqualität
• Bedeutung der menschlichen Wahrnehmung bei der Bewertung der Videoqualität
• Häufige Methoden und Testumgebungen
• Gestaltung effektiver subjektiver Bewertungsversuche
• Bewertungssysteme und Techniken zur Datensammlung
• Statistische Analyse und Interpretation der Ergebnisse
• Herausforderungen und Einschränkungen subjektiver Bewertungen
• Anwendungen in Industrie und Forschung
• Vergleich von subjektiven und objektiven Videoqualitätsmetriken
• Zukünftige Trends in der subjektiven Bewertung der Videoqualität
• Quellen & Referenzen

Einführung in die subjektive Bewertung der Videoqualität

Die subjektive Bewertung der Videoqualität (SVQA) ist eine entscheidende Methodik zur Bewertung der wahrgenommenen Qualität von Videoinhalten, wie sie von menschlichen Zuschauern erlebt wird. Im Gegensatz zu objektiven Metriken, die sich auf algorithmische Analysen stützen, bezieht die SVQA direkt menschliche Teilnehmer ein, die Videosequenzen unter kontrollierten Bedingungen bewerten oder vergleichen. Dieser Ansatz ist entscheidend, da die menschliche Wahrnehmung der Videoqualität von einer Vielzahl von Faktoren beeinflusst werden kann, einschließlich des Inhalts, der Betrachtungsumgebung und der individuellen Vorlieben der Zuschauer, die oft nicht vollständig von automatisierten Modellen erfasst werden.

SVQA spielt eine zentrale Rolle bei der Entwicklung und Benchmarking von Video-Kompressionsalgorithmen, Streaming-Technologien und Anzeige-Systemen. Standardisierte Protokolle, wie sie von der Internationalen Fernmeldeunion und der Internationalen Organisation für Normung festgelegt wurden, gewährleisten Konsistenz und Zuverlässigkeit bei subjektiven Tests. Diese Protokolle definieren Aspekte wie den Aufbau der Testumgebung, die Auswahl der Testpersonen und Bewertungsskalen (z.B. Mean Opinion Score), wobei angestrebt wird, Verzerrungen und Variabilität zu minimieren.

Trotz ihrer Vorteile ist SVQA ressourcenintensiv und erfordert eine sorgfältige Versuchsplanung, die Rekrutierung vielfältiger Teilnehmer und rigorose statistische Analysen. Neuere Fortschritte haben hybride Ansätze erforscht, die subjective Daten mit objektiven Metriken kombinieren, um Effizienz und Skalierbarkeit zu verbessern. Dennoch bleibt SVQA der Goldstandard zur Bewertung der Videoqualität und liefert unschätzbare Einblicke, die Innovationen in der Multimedia-Technologie vorantreiben und ein optimales Benutzererlebnis gewährleisten.

Bedeutung der menschlichen Wahrnehmung bei der Bewertung der Videoqualität

Die menschliche Wahrnehmung spielt eine entscheidende Rolle bei der Bewertung der Videoqualität, insbesondere im Rahmen der subjektiven Videoqualitätsbewertung. Im Gegensatz zu objektiven Metriken, die sich auf algorithmische Analysen und quantifizierbare Parameter stützen, konzentriert sich die subjektive Bewertung auf die tatsächliche Erfahrung der Zuschauer und erfasst Nuancen, die automatisierte Systeme möglicherweise übersehen. Dieser menschzentrierte Ansatz ist notwendig, da die Videoqualität letztlich durch die Zufriedenheit und die wahrnehmungsbezogene Erfahrung des Endnutzers definiert wird, nicht nur durch technische Treue oder Kompressionsverhältnisse.

Subjektive Bewertungen werden typischerweise durch kontrollierte Experimente durchgeführt, bei denen die Teilnehmer Videosequenzen unter standardisierten Bedingungen ansehen und deren wahrgenommene Qualität bewerten. Diese Bewertungen werden dann aggregiert, um einen Mean Opinion Score (MOS) zu bilden, der als Benchmark zur Bewertung und zum Vergleich von Videobearbeitungstechniken dient. Die Bedeutung der menschlichen Wahrnehmung wird durch die Tatsache unterstrichen, dass zwei Videos mit ähnlichen objektiven Punktzahlen erheblich unterschiedliche subjektive Reaktionen hervorrufen können, was auf Faktoren wie den Inhaltstyp, die Betrachtungsumgebung und die individuelle Empfindlichkeit der Zuschauer gegenüber Artefakten wie Unschärfe, Blockbildung oder Farbverzerrung zurückzuführen ist.

Internationale Normungsorganisationen, wie die Internationale Fernmeldeunion, haben strenge Protokolle für subjektive Tests etabliert, um Zuverlässigkeit und Reproduzierbarkeit zu gewährleisten. Diese Protokolle helfen, die Kluft zwischen technischen Messungen und realen Benutzererfahrungen zu überbrücken und leiten die Entwicklung von Video-Codecs, Streaming-Plattformen und Anzeige-Technologien. Letztendlich gewährleistet die Integration menschlicher Wahrnehmung in die Bewertung der Videoqualität, dass technologische Fortschritte mit den Erwartungen und dem Komfort tatsächlicher Zuschauer übereinstimmen, was subjektive Bewertungen zu einem unverzichtbaren Werkzeug in der Multimedia-Forschung und der Industriepraxis macht.

Häufige Methoden und Testumgebungen

Die subjektive Videoqualitätsbewertung beruht auf menschlichen Beobachtern zur Bewertung der wahrgenommenen Qualität von Videoinhalten, wobei die Wahl der Methoden und Testumgebungen entscheidend für die Erzielung zuverlässiger und reproduzierbarer Ergebnisse ist. Die am weitesten verbreiteten Methoden sind durch Organisationen wie die Internationale Fernmeldeunion (ITU) und die Internationale Organisation für Normung (ISO) standardisiert. Zu den gängigen Testmethoden gehören die Absolute Category Rating (ACR), Double Stimulus Continuous Quality Scale (DSCQS) und Single Stimulus (SS) Ansätze. Jede Methode hat spezifische Protokolle für die Stimuluspräsentation, Bewertungsskalen und Sitzungsgestaltung, um Verzerrungen und Ermüdung zu minimieren.

Die Testumgebungen werden sorgfältig kontrolliert, um Konsistenz über Sitzungen und Teilnehmer hinweg zu gewährleisten. Schlüsselfaktoren sind Umgebungslicht, Display-Kalibrierung, Betrachtungsabstand und Hintergrundgeräusche. Die ITU-T Empfehlung P.910 und die ITU-R Empfehlung BT.500 bieten detaillierte Richtlinien für den Aufbau dieser Umgebungen und spezifizieren Anforderungen wie neutrale Wandfarben, standardisierte Helligkeitsniveaus und die Verwendung von Referenzmonitoren. Auch die Anzahl und Demografie der Zuschauer werden berücksichtigt, wobei in der Regel empfohlen wird, mindestens 15–24 Nicht-Expertinnen und -Experten einzubeziehen, um statistische Signifikanz zu gewährleisten.

Jüngste Trends umfassen Fern- und Crowdsourcing-Tests, die Skalierbarkeit bieten, aber neue Herausforderungen bei der Kontrolle von Umweltvariablen und der Gewährleistung der Datenqualität mit sich bringen. Um dem zu begegnen, werden Protokolle wie die von der Video Quality Experts Group (VQEG) dargelegten zunehmend referenziert. Insgesamt ist eine rigorose Einhaltung standardisierter Methoden und Umweltkontrollen unerlässlich, um gültige und vergleichbare Ergebnisse der subjektiven Videoqualitätsbewertung zu erzeugen.

Gestaltung effektiver subjektiver Bewertungsversuche

Die Gestaltung effektiver subjektiver Bewertungsversuche ist entscheidend für die Erzielung zuverlässiger und bedeutungsvoller Ergebnisse in der subjektiven Videoqualitätsbewertung. Der Prozess beginnt mit der sorgfältigen Auswahl des Testmaterials, um ein repräsentatives Spektrum an Videosequenzen zu gewährleisten, das verschiedene Genres, Bewegungs komplexitäten und Verzerrungsarten abdeckt. Die Wahl des Testmaterials sollte die beabsichtigte Anwendung und Benutzer-Szenarien widerspiegeln, wie von der Internationalen Fernmeldeunion (ITU) empfohlen.

Ebenso wichtig ist die Auswahl der Teilnehmer. Es wird empfohlen, eine vielfältige Gruppe von Zuschauern, typischerweise zwischen 15 und 40 Nicht-Experten, auszuwählen, um statistische Signifikanz zu gewährleisten und Verzerrungen zu minimieren. Die Betrachtungsumgebung muss standardisiert werden, wobei Faktoren wie Umgebungslicht, Bildschirmgröße, Betrachtungsabstand und Displaykalibrierung kontrolliert werden, wie in den ITU-R BT.500-Richtlinien umrissen.

Die experimentelle Methodik sollte basierend auf den Zielen der Studie ausgewählt werden. Zu den gängigen Ansätzen gehören Absolute Category Rating (ACR), Double Stimulus Continuous Quality Scale (DSCQS) und Single Stimulus (SS) Methoden. Jede Methode hat ihre Stärken und Schwächen in Bezug auf Sensitivität, Komplexität und Anfälligkeit für kontextuelle Effekte. Klare Anweisungen und Schulungssitzungen helfen den Teilnehmern, die Bewertungsskalen zu verstehen und die Variabilität der Antworten zu reduzieren.

Schließlich sind robuste Datenanalysetechniken unerlässlich. Die Erkennung von Ausreißern, statistische Signifikanztests und die Schätzung von Vertrauensintervallen sind gängige Praktiken, um die Zuverlässigkeit der Ergebnisse sicherzustellen. Die Einhaltung etablierter Protokolle und Richtlinien, wie sie von der Video Quality Experts Group (VQEG) dargelegt werden, erhöht die Glaubwürdigkeit und Reproduzierbarkeit von Experimenten zur subjektiven Videoqualitätsbewertung weiter.

Bewertungssysteme und Techniken zur Datensammlung

Bewertungssysteme und Techniken zur Datensammlung sind zentral für die Zuverlässigkeit und Interpretierbarkeit von Studien zur subjektiven Videoqualität (VQA). Das am weitesten verbreitete Bewertungssystem ist der Mean Opinion Score (MOS), bei dem Zuschauer die Videoqualität auf einer vorgegebenen Skala bewerten, die typischerweise von 1 (schlecht) bis 5 (ausgezeichnet) reicht. Varianten wie die Double Stimulus Continuous Quality Scale (DSCQS) und die Single Stimulus Continuous Quality Evaluation (SSCQE) werden ebenfalls verwendet, jede mit spezifischen Protokollen zur Präsentation von Referenz- und Testsequenzen, um Verzerrungen und kontextuelle Effekte zu minimieren. Die Wahl des Bewertungssystems kann die Sensitivität und Granularität der gesammelten Daten erheblich beeinflussen, was sich auf die nachfolgende Analyse und Modellentwicklung auswirkt.

Die Techniken zur Datensammlung in subjektiven VQA unterliegen internationalen Standards, wie sie von der Internationalen Fernmeldeunion (ITU) und der Internationalen Organisation für Normung (ISO) dargelegt werden. Diese Standards spezifizieren Anforderungen für den Aufbau der Testumgebung, einschließlich Display-Kalibrierung, Umgebungslicht und Betrachtungsabstand, um Konsistenz und Wiederholbarkeit zu gewährleisten. Die Auswahl und Schulung der Panelteilnehmer sind ebenfalls entscheidend, da demografische Vielfalt und frühere Erfahrungen subjektive Urteile beeinflussen können. Daten werden typischerweise in kontrollierten Laborumgebungen oder über Crowdsourcing-Plattformen gesammelt, wobei jede Methode Vor- und Nachteile hinsichtlich ökologischer Validität, Skalierbarkeit und Kontrolle über die Betrachtungsbedingungen bietet. Jüngste Fortschritte nutzen Online-Plattformen, um groß angelegte subjektive Daten zu sammeln, wobei diese Ansätze jedoch robuste Qualitätskontrollmechanismen erfordern, um unzuverlässige Antworten herauszufiltern und die Datenintegrität zu wahren Video Quality Experts Group (VQEG).

Statistische Analyse und Interpretation der Ergebnisse

Die statistische Analyse ist ein Grundpfeiler der subjektiven Videoqualitätsbewertung und gewährleistet, dass die gesammelten Meinungswerte von menschlichen Zuschauern genau und bedeutungsvoll interpretiert werden. Nach der Erhebung roher subjektiver Daten – typischerweise in Form von Mean Opinion Scores (MOS) oder Differential MOS (DMOS) – müssen Forscher strenge statistische Methoden anwenden, um die Variabilität zwischen den Probanden, die Erkennung von Ausreißern und die Schätzung von Vertrauensintervallen zu berücksichtigen. Üblicherweise beginnt die Analyse mit der Berechnung von deskriptiven Statistiken wie Mittelwert, Median und Standardabweichung, um die zentralen Tendenzen und die Streuung der Punktzahlen zusammenzufassen.

Um die Zuverlässigkeit und Konsistenz der subjektiven Daten zu bewerten, werden in der Regel Techniken wie die Varianzanalyse (ANOVA) und Cronbachs Alpha verwendet. ANOVA hilft zu bestimmen, ob beobachtete Unterschiede in den Qualitätspunkten über die Testbedingungen hinweg statistisch signifikant sind, während Cronbachs Alpha die interne Konsistenz der Bewertungen über die Probanden misst. Methoden zur Erkennung von Ausreißern, wie sie von Standards wie der Internationalen Fernmeldeunion (ITU-T P.913) empfohlen werden, sind entscheidend für die Identifikation und Entfernung anomaler Bewertungen, die die Ergebnisse verzerren könnten.

Darüber hinaus werden Vertrauensintervalle berechnet, um die Unsicherheit in Verbindung mit MOS-Werten zu quantifizieren und einen Bereich bereitzustellen, innerhalb dessen der wahre Mittelwert wahrscheinlich liegt. Dies ist insbesondere wichtig, wenn verschiedene Videoverarbeitungsalgorithmen oder Codecs verglichen werden. Fortschrittliche statistische Modelle, wie gemischte Modelle, können ebenfalls verwendet werden, um sowohl feste Effekte (z.B. Testbedingungen) als auch zufällige Effekte (z.B. individuelle Unterschiede zwischen Probanden) zu berücksichtigen, wodurch die Robustheit der Analyse erhöht wird. Letztendlich sorgt eine sorgfältige statistische Interpretation dafür, dass die Ergebnisse der subjektiven Videoqualitätsbewertung sowohl wissenschaftlich valide als auch umsetzbar für die Systemoptimierung und Benchmarking sind, wie von Organisationen wie der Video Quality Experts Group (VQEG) dargelegt.

Herausforderungen und Einschränkungen subjektiver Bewertungen

Die subjektive Videoqualitätsbewertung, obwohl sie als Goldstandard für die Bewertung der wahrgenommenen Videoqualität gilt, steht vor mehreren erheblichen Herausforderungen und Einschränkungen. Ein zentrales Problem ist die inhärente Variabilität der menschlichen Wahrnehmung. Faktoren wie Zuschauerermüdung, Stimmung, frühere Erfahrungen und sogar kultureller Hintergrund können individuelle Urteile beeinflussen, was zu inkonsistenten Ergebnissen über verschiedene Sitzungen oder Bevölkerungsgruppen hinweg führen kann. Darüber hinaus sind das Design und die Durchführung subjektiver Tests ressourcenintensiv und erfordern kontrollierte Umgebungen, standardisierte Anzeigegeräte und eine ausreichende Anzahl von Teilnehmern, um statistische Zuverlässigkeit zu gewährleisten. Dies macht großangelegte oder häufige Tests teuer und zeitaufwendig.

Eine weitere Einschränkung ist die Möglichkeit von Verzerrungen, die durch die Testmethodologie selbst eingeführt werden. Beispielsweise kann die Wahl der Bewertungsskala (z.B. Mean Opinion Score), die Reihenfolge, in der Videosequenzen präsentiert werden, und die Anweisungen, die den Teilnehmern gegeben werden, alle die Ergebnisse beeinflussen. Darüber hinaus haben subjektive Bewertungen oft Schwierigkeiten, subtile oder kontextabhängige Beeinträchtigungen zu erfassen, wie solche, die nur während spezifischer Arten von Inhalten oder Betrachtungsbedingungen offensichtlich werden. Die Reproduzierbarkeit der Ergebnisse ist ebenfalls ein Anliegen, da geringfügige Änderungen im Testaufbau oder in der Demografie der Teilnehmer zu unterschiedlichen Schlussfolgerungen führen können.

Schließlich stellt die rasante Entwicklung der Videotechnologien, einschließlich HDR (High Dynamic Range), UHD (Ultra High Definition) und immersiven Formaten, neue Herausforderungen für subjektive Bewertungsprotokolle dar, die möglicherweise nicht vollständig an diese Fortschritte angepasst sind. Daher wird kontinuierlich geforscht, um subjektive Methoden zu verfeinern und sie mit objektiven Metriken zu ergänzen, wie von Organisationen wie der Internationalen Fernmeldeunion und der Video Quality Experts Group hervorgehoben.

Anwendungen in Industrie und Forschung

Die subjektive Videoqualitätsbewertung (SVQA) spielt eine zentrale Rolle in der Industrie und Forschung, da sie als Goldstandard für die Bewertung der wahrgenommenen Videoqualität dient. In der Medien- und Unterhaltungsindustrie ist SVQA integraler Bestandteil der Codec-Entwicklung, Streaming-Optimierung und Qualitätskontrolle bei der Übertragung. Unternehmen wie Netflix und YouTube verwenden routinemäßig subjektive Tests, um Kompressionsalgorithmen zu optimieren und ein optimales Benutzererlebnis auf verschiedenen Geräten und Netzwerkbedingungen zu gewährleisten. Diese Bewertungen informieren über Entscheidungen zur Bitrateneinteilung, Strategien für adaptive Streaming und den Einsatz neuer Videotechnologien.

Im Bereich Telekommunikation leitet SVQA das Design und die Validierung von Videosystemen zur Übertragung, da sie Anbietern wie Ericsson und Nokia hilft, eine Balance zwischen Bandbreiteneffizienz und der Zufriedenheit der Endbenutzer zu finden. Die Ergebnisse aus subjektiven Tests werden häufig verwendet, um objektive Qualitätsmetriken wie PSNR oder VMAF zu kalibrieren und zu validieren, sodass sichergestellt wird, dass automatisierte Messungen mit der menschlichen Wahrnehmung übereinstimmen.

In der Forschung bildet SVQA die Grundlage für die Entwicklung neuer Videoqualitätsmetriken und die Untersuchung der wahrnehmungsabhängigen Faktoren, die die Qualität beeinflussen, wie Auflösung, Bildrate und Sichtbarkeit von Artefakten. Akademische Institutionen und Normungsorganisationen, einschließlich der Internationalen Fernmeldeunion (ITU), verlassen sich auf subjektive Bewertungen, um Benchmarks und Empfehlungen (z.B. ITU-R BT.500) festzulegen. Darüber hinaus ist SVQA entscheidend in aufkommenden Bereichen wie virtual reality und 360-Grad-Videos, wo traditionelle Metriken möglicherweise nicht die Nuancen immersiver Erfahrungen erfassen.

Insgesamt bleibt die subjektive Videoqualitätsbewertung unerlässlich für die Weiterentwicklung von Videotechnologien, die Sicherstellung der Benutzerzufriedenheit und die Festlegung von Branchenstandards.

Vergleich von subjektiven und objektiven Videoqualitätsmetriken

Der Vergleich von subjektiven und objektiven Videoqualitätsmetriken ist entscheidend für das Verständnis der Stärken und Einschränkungen jedes Ansatzes zur Bewertung von Videoinhalten. Die subjektive Videoqualitätsbewertung stützt sich auf menschliche Zuschauer, die die wahrgenommene Qualität von Videosequenzen bewerten, typischerweise unter Verwendung standardisierter Methoden wie dem Mean Opinion Score (MOS) oder der Double Stimulus Continuous Quality Scale (DSCQS). Diese Methoden erfassen die nuancierten und komplexen Weise, in der Menschen Video Beeinträchtigungen wahrnehmen, was sie zum Goldstandard für die Qualitätsevaluierung macht. Allerdings sind subjektive Bewertungen ressourcenintensiv und erfordern kontrollierte Umgebungen, einen vielfältigen Pool von Teilnehmern und einen erheblichen Zeitaufwand Internationale Fernmeldeunion.

Im Gegensatz dazu verwenden objektive Videoqualitätsmetriken mathematische Modelle, um die wahrgenommene Qualität basierend auf messbaren Videoeigenschaften vorherzusagen. Beispiele sind das Peak Signal-to-Noise Ratio (PSNR), der Structural Similarity Index (SSIM) und fortgeschrittene Modelle wie Video Multi-method Assessment Fusion (VMAF). Obwohl objektive Metriken Skalierbarkeit und Wiederholbarkeit bieten, kämpfen sie oft damit, die subjektive Erfahrung vollständig zu erfassen, insbesondere in Fällen mit komplexen Verzerrungen oder inhaltsabhängigen Artefakten VideoLAN.

Der Vergleich zwischen subjektiven und objektiven Metriken zeigt einen Kompromiss: Subjektive Methoden bieten hohe Genauigkeit und Relevanz für die menschliche Wahrnehmung, fehlen jedoch die Praktikabilität für großangelegte oder Echtzeitanwendungen. Objektive Metriken, obwohl effizient, stimmen möglicherweise nicht immer mit menschlichen Urteilen überein. Deshalb konzentriert sich die laufende Forschung darauf, objektive Modelle durch die Integration von maschinellem Lernen und wahrnehmungsbasierten Merkmalen zu verbessern, um die Lücke zwischen algorithmischen Vorhersagen und subjektiver menschlicher Erfahrung zu schließen Netflix Technology Blog.

Zukünftige Trends in der subjektiven Bewertung der Videoqualität

Die Landschaft der subjektiven Videoqualitätsbewertung entwickelt sich rasch weiter, angetrieben von Fortschritten in Display-Technologien, immersiven Medienformaten und künstlicher Intelligenz. Ein hervorstechender Trend ist die Integration von Virtual-Reality (VR) und Augmented-Reality (AR) Umgebungen in die Bewertungsprotokolle. Diese immersiven Formate erfordern neue Methoden, um Benutzererfahrungen zu erfassen, da traditionelle 2D-Bewertungswerkzeuge die wahrgenommene Qualität in 3D- oder 360-Grad-Inhalten möglicherweise nicht genau reflektieren. Forschungsinitiativen konzentrieren sich auf die Entwicklung standardisierter subjektiver Testframeworks für diese aufkommenden Medientypen, wie die Bemühungen der Internationalen Fernmeldeunion und der Video Quality Experts Group hervorgehoben haben.

Ein weiterer bedeutender Trend ist die Nutzung von Crowdsourcing-Plattformen zur Sammlung subjektiver Qualitätsdaten in großem Maßstab. Während laborbasierte Studien der Goldstandard bleiben, ermöglicht Crowdsourcing die Erfassung vielfältiger Meinungen aus einer globalen Teilnehmerbasis und erhöht die ökologische Validität der Ergebnisse. Allerdings bleiben Herausforderungen bei der Gewährleistung der Datenzuverlässigkeit und der Kontrolle über Umweltvariablen bestehen, was die Entwicklung neuer Qualitätskontrollmechanismen und Auswahlmethoden für Teilnehmer erforderlich macht.

Künstliche Intelligenz und maschinelles Lernen gestalten ebenfalls die Zukunft der subjektiven Videoqualitätsbewertung. KI-gesteuerte Tools können große Datensätze subjektiver Bewertungen analysieren, um Muster zu identifizieren und Benutzerpräferenzen vorherzusagen, was die Erstellung genaueren objektiver Qualitätsmetriken erleichtert. Darüber hinaus werden adaptive Testmethoden, die die Testinhalte dynamisch basierend auf den Antworten der Teilnehmer anpassen, untersucht, um Effizienz zu verbessern und die Ermüdung der Teilnehmer zu verringern.

Da der Videokonsum weiterhin über Geräte und Kontexte hinweg diversifiziert wird, müssen zukünftige subjektive Bewertungsmethoden flexibler, skalierbarer und repräsentativer für die tatsächlichen Betrachtungsbedingungen sein. Laufende Standardisierungsbemühungen und interdisziplinäre Forschung werden entscheidend sein, um diese Herausforderungen zu bewältigen und die anhaltende Relevanz der subjektiven Videoqualitätsbewertung im digitalen Zeitalter sicherzustellen.

Quellen & Referenzen

• Internationale Fernmeldeunion
• Internationale Organisation für Normung
• Video Quality Experts Group (VQEG)
• YouTube
• Nokia
• VideoLAN
• Netflix Technology Blog