הבנת הערכת איכות וידאו סובייקטיבית: כיצד תפיסת האדם מעצבת את הערכת הווידאו. חקור את העקרונות, הטכניקות והאתגרים במדידת איכות הווידאו דרך עיני האדם.

• הקדמה להערכת איכות וידאו סובייקטיבית
• חשיבות תפיסת האדם בהערכת איכות וידאו
• מתודולוגיות נפוצות וסביבות בדיקה
• עיצוב ניסויים אפקטיביים להערכות סובייקטיביות
• מערכות דירוג וטכניקות איסוף נתונים
• ניתוח סטטיסטי ופירוש התוצאות
• אתגרים ומגבלות של הערכות סובייקטיביות
• יישומים בתעשייה ומחקר
• השוואת מדדי איכות וידאו סובייקטיביים ואובייקטיביים
• מגמות עתידיות בהערכת איכות וידאו סובייקטיבית
• מקורות והפניות

הקדמה להערכת איכות וידאו סובייקטיבית

הערכת איכות וידאו סובייקטיבית (SVQA) היא מתודולוגיה קריטית להערכת האיכות הנתפסת של תוכן וידאו כפי שחווים צופים אנושיים. בניגוד למדדים אובייקטיביים, התלויים בניתוח אלגוריתמים, SVQA כוללת ישירות משתתפים אנושיים המדרגים או משווים רצפי וידאו בתנאים מבוקרים. גישה זו חיונית כי תפיסת האדם את איכות הווידאו יכולה להיות מושפעת ממגוון גורמים, כולל סוג התוכן, סביבות הצפייה והעדפות הצופה הפרטיות, אשר לעיתים קרובות אינן נתפסות במלואן על ידי מודלים אוטומטיים.

SVQA משחקת תפקיד מרכזי בפיתוח ובדיקת אלגוריתמים לדחיסת וידאו, טכנולוגיות הזרמת ווידאו ומערכות תצוגה. פרוטוקולים מנחים, כמו אלה שהוקמו על ידי האיגוד הטלקומוניקציה הבינלאומי והאיגוד הסטנדרטים הבינלאומי, מבטיחים אחידות ואמינות בבדיקות סובייקטיביות. פרוטוקולים אלה מגדירים היבטים כמו הגדרת סביבת הבדיקה, בחירת הנבדקים, וסולמות דירוג (למשל, Mean Opinion Score), במטרה למזער הטיות ווריאציות.

למרות יתרונותיה, SVQA צורכת משאבים רבים, ודורשת תכנון ניסויי קפדני, גיוס של משתתפים מגוונים, וניתוח סטטיסטי מדוקדק. בחודשים האחרונים, התפתחויות חדשות חקרו גישות היברידיות, המשלבות נתונים סובייקטיביים עם מדדים אובייקטיביים כדי לשפר את היעילות והסקלאביליות. עם זאת, SVQA נותרה הסטנדרט המוזהב להערכת איכות וידאו, ומספקת תובנות יקרות ערך המניעות חדשנות בטכנולוגיית מולטימדיה ומבטיחות חוויית משתמש אופטימלית.

חשיבות תפיסת האדם בהערכת איכות וידאו

תפיסת האדם משחקת תפקיד מרכזי בהערכת איכות הווידאו, במיוחד במסגרת הערכת איכות וידאו סובייקטיבית. בניגוד למדדים אובייקטיביים, התלויים בניתוח אלגוריתמים ובפרמטרים מדודים, ההערכה הסובייקטיבית מתמקדת בחוויית הצופים בפועל, ותופסת טון של נuנסים שאולי המערכות האוטומטיות מתעלמות מהם. גישה ממוקדת אדם זו חיונית כי איכות הווידאו מוגדרת בסופו של דבר על ידי שביעות רצון המשתמש הסופי וחוויית התפיסה, ולא רק על ידי נאמנות טכנית או יחסי דחיסה.

הערכות סובייקטיביות מתבצעות בדרך כלל באמצעות ניסויים מבוקרים בהם משתתפים צופים ברצפי וידאו בתנאים מוסדרים ומדרגים את איכות הווידאו הנתפסת שלהם. הדירוגים הללו מאוגדים ליצירת Mean Opinion Score (MOS), המשרת כסטנדרט להערכת והשוואת טכניקות עיבוד וידאו. החשיבות של תפיסת האדם בולטת בעובדה ששני וידאוים עם ציונים אובייקטיביים דומים יכולים להפיק תגובות סובייקטיביות שונות מאוד עקב גורמים כמו סוג התוכן, סביבת הצפייה, ורגישות הצופה הפרטית להפרעות כמו טשטוש, חסימה, או עיוות צבע.

גופים תקניים בינלאומיים, כמו האיגוד הטלקומוניקציה הבינלאומי, הקימו פרוטוקולים קפדניים להערכות סובייקטיביות כדי להבטיח אמינות ושחזוריות. פרוטוקולים אלה מסייעים לגשר על הפער בין מדידות טכניות וחוויית המשתמש בעולם האמיתי, ומנחים את הפיתוח של קודקים של וידאו, פלטפורמות הזרמה וטכנולוגיות תצוגה. בסופו של דבר, שילוב תפיסת האדם בהערכת איכות הווידאו מבטיח שההתקדמות הטכנולוגית תואמת את הציפיות והנוחות של הצופים בפועל, מה שהופך את ההערכה הסובייקטיבית לכלי בלתי ניתן להחלפה בתחום מחקר המולטימדיה ופרקטיקות בתעשייה.

מתודולוגיות נפוצות וסביבות בדיקה

הערכת איכות וידאו סובייקטיבית מסתמכת על צופים אנושיים כדי להעריך את איכות התכנים שאתה מתבוננים בהם, מה שהופך את הבחירה במתודולוגיות ובסביבות הבדיקה לקריטיות להשגת תוצאות מהימנות ושחזוריות. המתודולוגיות הנפוצות ביותר מתודרכות על ידי ארגונים כמו האיגוד הטלקומוניקציה הבינלאומי (ITU) והאיגוד הסטנדרטים הבינלאומי (ISO). שיטות הבדיקה הנפוצות כוללות את הערכת הקטגוריה האבסולוטית (ACR), סולם האיכות המתמשך עם שני גירויים (DSCQS), וגישה של גירוי יחיד (SS). כל שיטה כוללת פרוטוקולים ספציפיים להצגת גירויים, סולמות דירוג ומבנה ישיבות כדי למזער הטיה ועייפות.

סביבות הבדיקה נשמרות בצורה מבוקרת כדי להבטיח אחידות בין ישיבות ובין משתתפים. גורמים מרכזיים כוללים תאורה כללית, כיול תצוגה, מרחק הצפייה, ורעש רקע. הITU-T Recommendation P.910 והITU-R Recommendation BT.500 מספקים הנחיות מפורטות להקמת סביבות אלו, מפרטות דרישות כמו צבעי קירות ניטרליים, רמות תאורה סטנדרטיות, ושימוש במוניטורים הפניה. גם מספר ה observers והדמוגרפיה שלהם נחשבים, כאשר המלצות בדרך כלל קוראות לפחות ל-15–24 צופים לא מומחים כדי להבטיח משמעות סטטיסטית.

מגמות עדכניות כוללות בדיקות מרחוק ובדיקות המונים, אשר מציעות סקלאביליות אך מציגות אתגרים חדשים בשליטה על משתני הסביבה והבטחת איכות נתונים. כדי למנוע בעיות אלו, פרוטוקולים כמו אלה המתוארים על ידי הVideo Quality Experts Group (VQEG) מוזכרים יותר ויותר. באופן כללי, הקפדנות בפרוטוקולים סטנדרטיים ובשליטה סביבתית חיונית ליצירת תוצאות מהימנות וניתנות להשוואה בהערכת איכות וידאו סובייקטיבית.

עיצוב ניסויים אפקטיביים להערכות סובייקטיביות

עיצוב ניסויים אפקטיביים להערכות סובייקטיביות הוא קריטי להשגת תוצאות מהימנות ומשמעותיות בהערכת איכות וידאו סובייקטיבית. התהליך מתחיל בבחירה קפדנית של תוכן הבדיקה, כדי להבטיח טווח מייצג של רצפי וידאו המכסים מגוון ז'אנרים, מורכבות תנועה וסוגי עיוותים. בחירת החומר לבדיקה צריכה לשקף את היישום המיועד ותסריטי המשתמש, כפי שמומלץ על ידי האיגוד הטלקומוניקציה הבינלאומי (ITU).

חשיבות הבחירה של המשתתפים לא פחותה. מומלץ לגייס קבוצה מגוונת של צופים, בדרך כלל בין 15 ל-40 נבדקים לא מומחים, כדי להבטיח משמעות סטטיסטית ולהקטין הטיה. הסביבה שבה צפויים הבדיקות צריכה להיות סטנדרטית, תוך כדי שליטה על גורמים כמו תאורה כללית, גודל המסך, מרחק הצפייה וכיול התצוגה, כדוגמת המלצות הITU-R BT.500.

המתודולוגיה הניסויית צריכה להיות נבחרת בהתאם למטרות המחקר. הגישות הנפוצות כוללות את הערכת הקטגוריה האבסולוטית (ACR), סולם האיכות המתמשך עם שני גירויים (DSCQS), ושיטות גירוי יחיד (SS). לכל שיטה יש את היתרונות והחסרונות שלה בהתייחס לרגישות, מורכבות ורגישות להשפעות הקשר. הנחיות ברורות ומפגשי הכשרה מסייעים למשתתפים להבין את סולמות הדירוג ולצמצם את הווריאציה בתגובות.

לבסוף, טכניקות ניתוח הנתונים המסיביות הן חיוניות. גילוי חריגים, בדיקות משמעות סטטיסטית, ואומדן של רווחי ביטחון הם לאמנות סטנדרטיות כדי להבטיח את מהימנות התוצאות. עמידה בפרוטוקולים ו ההנחיות הקיימות, כמו אלה מVideo Quality Experts Group (VQEG), משפרת עוד יותר את האמינות והשחזוריות של ניסויי הערכת איכות וידאו סובייקטיביים.

מערכות דירוג וטכניקות איסוף נתונים

מערכות דירוג וטכניקות איסוף נתונים הן מרכזיות למהימנות ולפרשנות של מחקרי הערכת איכות וידאו סובייקטיבית (VQA). מערכת הדירוג הנפוצה ביותר היא Mean Opinion Score (MOS), שבה הצופים מדרגים את איכות הווידאו על סולם מוגדר מראש, בדרך כלל בין 1 (גרוע) ל-5 (מצוין). וריאציות כמו סולם איכות מתמשך עם גירוי כפול (DSCQS) והערכה מתמשכת בגירוי יחיד (SSCQE) גם הן בשימוש, כל אחת עם פרוטוקולים ספציפיים להצגת רצפי הפניה ובדיקה כדי למזער הטיות והשפעות הקשר. בחירת מערכת הדירוג יכולה להשפיע משמעותית על הרגישות והגרנולריות של הנתונים שנאספים, והשפעה על הניתוח והפיתוח של המודלים שלאחר מכן.

טכניקות איסוף הנתונים ב-VQA סובייקטיבית נשלטות על ידי תקנים בינלאומיים, כמו אלה המפורטים על ידי האיגוד הטלקומוניקציה הבינלאומי (ITU) והאיגוד הסטנדרטים הבינלאומי (ISO). תקנים אלו מפרטים דרישות להקמת סביבות בדיקה, כולל כיול תצוגה, תאורה כללית ומרחק צפייה, כדי להבטיח אחידות וחזרתיות. בחירת ה-panelists וההכשרה שלהם היא גם קריטית, שכן המגוון הדמוגרפי ורקע ניסיון קודם יכולים להשפיע על השיפוטים הסובייקטיביים. נתונים נאספים בדרך כלל באמצעות סביבות מבוקרות במעבדה או פלטפורמות המונים, כל אחת עם פשרות במונחים של תוקף אקולוגי, סקלאביליות, ושליטה על תנאי הצפייה. התקדמויות עדכניות מנצלות פלטפורמות מקוונות כדי לאסוף נתונים סובייקטיביים בהיקפים גדולים, אך גישות אלו דורשות מנגנוני בקרת איכות חזקים כדי לסנן תגובות לא מהימנות ולשמור על שלמות הנתונים Video Quality Experts Group (VQEG).

ניתוח סטטיסטי ופירוש התוצאות

הניתוח הסטטיסטי הוא אבני היסוד של הערכת איכות וידאו סובייקטיבית, ומבטיח שהציונים שצברו הצופים האנושיים מפורשים בצורה מדויקת ומשמעותית. לאחר איסוף נתוני סובייקטיביים גולמיים—שלרוב מופיעים בצורה של ציוני Mean Opinion (MOS) או Differential MOS (DMOS)—חוקרים חייבים להשתמש בשיטות סטטיסטיות קפדניות כדי לקחת בחשבון את הווריאציה בין הנבדקים, גילוי חריגים, ואומדני ביטחון. בדרך כלל, הניתוח מתחיל בחישוב סטטיסטיקות תיאוריות כמו ממוצע, חציון, וסטיית תקן כדי לסכם את המגוון המרכזי והפיזור של הציונים.

כדי להעריך את האמינות והעקביות של הנתונים הסובייקטיביים, טכניקות כמו ניתוח השונות (ANOVA) ו-Cronbach’s alpha נפוצות מאוד. ANOVA מסייעת לקבוע אם ההבדלים שהתקבלו בציוני האיכות בין תנאי הבדיקה הם משמעותיים מבחינה סטטיסטית, בעוד ש-Cronbach’s alpha מודד את העקביות הפנימית של הדירוגים בין הנבדקים. שיטות גילוי חריגים, כפי שמומלץ על ידי תקנים כמו איגוד הטלקומוניקציה הבינלאומי (ITU-T P.913), הן חיוניות לזיהוי והסרת דירוגים לא תקינים שעשויים לשבש את התוצאות.

יתר על כן, רווחי הביטחון מחושבים כדי לכמת את האי-וודאות הקשורה לערכי MOS, ומספקים טווח שבו העניין האמיתי צפוי להיכנס. זה חשוב במיוחד כאשר משווים בין אלגוריתמים שונים לעיבוד וידאו או קודקים. מודלים סטטיסטיים מתקדמים, כמו מודלים של השפעות מעורבות, יכולים גם להתבצע כדי לקחת בחשבון גם השפעות קבועות (למשל, תנאי הבדיקה) וגם השפעות רנדומליות (למשל, הבדלים בין נבדקים). בסופו של דבר, פירוש סטטיסטי קפדני מבטיח שתוצאות הערכת איכות הווידאו הסובייקטיבית הן הן נכונות מדעית וניתנות לפעולה לאופטימיזציה של המערכות והערכתן, כפי שמדגישות ארגונים כמו הVideo Quality Experts Group (VQEG).

אתגרים ומגבלות של הערכות סובייקטיביות

הערכת איכות וידאו סובייקטיבית, בעוד שהיא נחשבת לסטנדרט מוזהב להערכת איכות הווידאו הנתפסת, נתקלת בכמה אתגרים ומגבלות משמעותיות. אחת הבעיות העיקריות היא הווריאציה המובנית בתפיסת האדם. גורמים כמו עייפות הצופים, מצב רוח, ניסיון קודם ואפילו רקע תרבותי יכולים להשפיע על השיפוטים הפרטיים, להוביל לתוצאות לא עקביות בין ישיבות שונות או אוכלוסיות שונות. בנוסף, העיצוב והביצוע של בדיקות סובייקטיביות דורשים משאבים רבים, עם צורך בסביבות מבוקרות, מכשירי תצוגה סטנדרטיים ומספר מספיק של משתתפים כדי להבטיח אמינות סטטיסטית. זה הופך את הבדיקות בהיקפים גדולים או בתדירות גבוהה ליקרות ומייגעות.

מגבלה נוספת היא האפשרות להטיה המוכנסת על ידי המתודולוגיה של הבדיקה עצמה. לדוגמה, בחירת סולם הדירוג (למשל, Mean Opinion Score), הסדר שבו מוצגים רצפי הווידאו וההנחיות שניתנות למשתתפים עשויות להשפיע על התוצאות. יתרה מכך, הערכות סובייקטיביות פעמים רבות מתקשות לתפוס בעיות דקות או תלויות הקשר, כמו אלה שהופכות ברורות רק במהלך סוגים מסוימים של תוכן או תנאי צפייה מסוימים. השחזוריות של התוצאות היא גם סוגיה, שכן שינויים קלים בהגדרות הבדיקה או דמוגרפיות המשתתפים עשויים להניב מסקנות שונות.

לבסוף, ההתפתחות המהירה של טכנולוגיות הווידאו, כולל דינמיקה גבוהה (HDR), פתרונות בחדות גבוהה (UHD), ופורמטים אינטראקטיביים, מציבה אתגרים חדשים עבור פרוטוקולי ההערכה הסובייקטיבית, אשר עשויים שלא להיות מותאמות באופן מלא להתקדמות אלו. כתוצאה מכך, מתבצע מחקר מתמשך על מנת לשפר את המתודולוגיות הסובייקטיביות ולשלב אותן עם מדדים אובייקטיביים, כפי שמדגישים ארגונים כמו האיגוד הטלקומוניקציה הבינלאומי והVideo Quality Experts Group.

יישומים בתעשייה ומחקר

הערכת איכות וידאו סובייקטיבית (SVQA) משחקת תפקיד מכריע גם בתעשייה וגם במחקר, משמשת כסטנדרט מוזהב להערכת איכות הווידאו הנתפסת. בתעשיית המדיה והבידור, SVQA היא חלק אינטגרלי לפיתוח קודקים, אופטימיזציה של הזרמה, ובקרת איכות שידורים. חברות כמו Netflix וYouTube משתמשות בצורה שגרתית בבדיקות סובייקטיביות כדי לחדד אלגוריתמים לדחיסת וידאו ולהבטיח חוויית משתמש אופטימלית על פני מכשירים ותנאי רשת מגוונים. הערכות אלו מספקות תובנות להחלטות על הקצאת קצב ביט, אסטרטגיות הזרמה אדפטיביות, והשקת טכנולוגיות וידאו חדשות.

בתקשורת, SVQA מנחה את העיצוב ואישור מערכות שידור ווידאו, ומסייעת לספקים כמו Ericsson וNokia לשמור על איזון בין יעילות רוחב הפס לשביעות רצון המשתמש הסופי. התוצאות מבדיקות סובייקטיביות משמשות לעיתים קרובות לכייל ולאמת מדדי איכות אובייקטיביים, כמו PSNR או VMAF, כדי להבטיח כי מדידות אוטומטיות תואמות את תפיסת האדם.

במחקר, SVQA מהווה את הבסיס לפיתוח מדדי איכות וידאו חדשים וללימוד גורמים תפיסתיים המשפיעים על האיכות, כמו רזולוציה, שיעור פריימים, וראות הפרעות. מוסדות אקדמיים וארגוני תקן, כולל האיגוד הטלקומוניקציה הבינלאומי (ITU), מסתמכים על הערכות סובייקטיביות כדי לקבוע אמות מידה והמלצות (למשל, ITU-R BT.500). יתרה מכך, SVQA חיונית בתחומים מתפתחים כמו מציאות מדומה ווידאו ב-360 מעלות, כאשר מדדים מסורתיים אולי אינם מצליחים לתפוס את הניואנסים של חוויות אינטראקטיביות.

בסך הכל, הערכת איכות הווידאו הסובייקטיבית נותרת בלתי ניתנת להחלפה לקידום טכנולוגיית הווידאו, להבטחת שביעות רצון המשתמש, ולקביעת תקני תעשייה.

השוואת מדדי איכות וידאו סובייקטיביים ואובייקטיביים

השוואת מדדי איכות וידאו סובייקטיביים ואובייקטיביים היא חיונית להבנת היתרונות והמגבלות של כל גישה בהערכת תוכן הווידאו. הערכת איכות וידאו סובייקטיבית מסתמכת על צופים אנושיים כדי לדרג את איכות הווידאו של רצפים, לרוב באמצעות מתודולוגיות סטנדרטיות כמו ה-Mean Opinion Score (MOS) או Scale Continuous Quality Scale (DSCQS). שיטות אלו תופסות את הדרכים הדקות והמורכבות שבהן בני האדם תופסים פגמים בווידאו, מה שהופך אותן לסטנדרט מוזהב להערכת איכות. עם זאת, הערכות סובייקטיביות צורכות הרבה משאבים, ודורשות סביבות מבוקרות, בריכה מגוונת של משתתפים, והשקעת זמן משמעותית איגוד הטלקומוניקציה הבינלאומי.

לעומת זאת, מדדי איכות וידאו אובייקטיביים משתמשים במודלים מתמטיים כדי לחזות איכות הנתפסת בהתבסס על מאפייני וידאו ניתנים למדידה. דוגמאות כוללות את Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index (SSIM), ומודלים מתקדמים יותר כמו Video Multi-method Assessment Fusion (VMAF). בעוד שמדדים אובייקטיביים מציעים סקלאביליות וחזרתיות, הם לעיתים מתקשים לתפוס באופן מלא את החוויה הסובייקטיבית, במיוחד במקרים הקשורים עיוותים מורכבים או הפרעות תלויות תוכן VideoLAN.

ההשוואה בין מדדים סובייקטיביים לאובייקטיביים חושפת פשרה: השיטות הסובייקטיביות מספקות דיוק גבוה ורלוונטיות לתפיסת האדם אך חסרות פרקטיות לאפליקציות בהיקף גדול או בזמן אמת. המדדים האובייקטיביים, בעוד שהם חסכוניים, עשויים שלא תמיד להתאים לשיפוטים האנושיים. כתוצאה מכך, מחקרים מתמשכים מתמקדים בשיפור המודלים האובייקטיביים על ידי שילוב של למידת מכונה ותכנים תפיסתיים, במטרה לצמצם את הפער בין תחזיות אלגוריתמיות לבין חוויות אנושיות סובייקטיביות בלוג טכנולוגיית נטפליקס.

מגמות עתידיות בהערכת איכות וידאו סובייקטיבית

הנוף של הערכת איכות וידאו סובייקטיבית מתפתח במהירות, driven by advances in display technologies, immersive media formats, and artificial intelligence. אחת המגמות הבולטות היא שילוב של מציאות מדומה (VR) וסביבות מציאות מוגברת (AR) בפרוטוקולי ההערכה. פורמטים אינטראקטיביים אלו דורשים מתודולוגיות חדשות כדי לתפוס את חווית המשתמש, שכן כלי הערכה דו-ממדיים מסורתיים עשויים שלא לשקף באופן מדויק את האיכות הנתפסת בתוכן תלת-ממדי או ב-360 מעלות. יוזמות מחקר מתמקדות בפיתוח מסגרות בדיקה סובייקטיביות סטנדרטיות עבור סוגי מדיה מתפתחים אלו, כפי שמבירו המאמצים של האיגוד הטלקומוניקציה הבינלאומי והVideo Quality Experts Group.

מגמה משמעותית נוספת היא השימוש בפלטפורמות המונים כדי לאסוף נתוני איכות סובייקטיביים בהיקפים גדולים. בעוד שכדי להעריך בצורה מדויקת רמות איכות, מחקרי מעבדה נותרים הסטנדרט המוזהב, השימוש במקורות המונים מאפשר איסוף דעות מגוונות מהמשתתפים בכל רחבי הגלובוס, מה שמגביר את תקפות התוצאות במונחים אקולוגיים. עם זאת, הבטחת מהימנות הנתונים ושליטה על משתני הסביבה נשארים אתגרים, מה שמניע את פיתוח מכניזמים חדשים לבקרת איכות ושיטות סינון של המתמודדים.

בינה מלאכותית ולמידת מכונה גם הן משפיעות על העתיד של הערכת איכות וידאו סובייקטיבית. כלים מבוססי AI יכולים לנתח ערכות נתונים גדולות של ציונים סובייקטיביים כדי לזהות דפוסים ולחזות את העדפות המשתמש, ובכך להקל על יצירת מדדי איכות אובייקטיביים מדוייקים יותר. יתרה מכך, שיטות בדיקה אדפטיביות, המתאימות את תוכן הבדיקה באופן דינמי בהתאם לתגובות המשתתפים, נחקרות כדי לשפר את היעילות ולהפחית עייפות אצל המשתתפים.

כאשר צריכת הווידאו ממשיכה להתגוון על פני מכשירים והקשרים, שיטות ההערכה הסובייקטיבית בעתיד יצטרכו להיות גמישות יותר, סקלאביליות, ומייצגות של תנאי הצפייה בעולם האמיתי. מאמצי התקינה המתמשכים ומחקר בין-תחומי יהיו קריטיים בהתמודדות עם אתגרים אלו ולהבטיח את הרלוונטיות של הערכת איכות וידאו סובייקטיבית בעידן הדיגיטלי.

מקורות והפניות

• איגוד הטלקומוניקציה הבינלאומי
• איגוד הסטנדרטים הבינלאומי
• Video Quality Experts Group (VQEG)
• YouTube
• Nokia
• VideoLAN
• בלוג טכנולוגיית נטפליקס