静态 HDR 和动态 HDR 有什么区别？

Question

HDR是一种高动态范围，广泛应用于视频设备以获得更好的观看体验。静态 HDR 和动态 HDR 有什么区别？

Answer 1

动态 HDR 可以在各种显示器上实现更高的 HDR 媒体质量。

以下演示：SMPTE ST 2094 和动态元数据总结了动态元数据的主题：

颜色体积变换的动态元数据 (DMCVT)

• 可以在各种显示器上保留 HDR 媒体的创意意图
• 携带在文件、视频流、打包媒体中
• SMPTE ST 2094 标准化

这一切都始于数字量化。
假设您需要仅使用 1000 个可能的值来近似 0 到 1,000,000 之间的数字。
您的第一个选择是使用统一量化：
范围 [0, 999] 中的值映射到 0，范围 [1000, 1999] 映射到 1，[2000, 2999] 映射到 2，依此类推...

当需要恢复原始数据时，无法准确恢复，因此需要得到平均误差最小的值。
0 映射到 500（到范围 [0, 999] 的中心）。
1 映射到 1500（到范围 [1000, 1999] 的中心）。
当您恢复量化数据时，您会丢失大量信息。
您丢失的信息称为“量化误差”。

常见的 HDR 视频对每个颜色分量应用 10 位（Y 分量 10 位、U 10 位、V 10 位）。或者在 RGB 颜色空间中，红色 10 位，绿色 10 位，蓝色 10 位。
10 位可以存储 1024 个可能的值（范围 [0, 1023] 内的值）。

假设您有一台非常好的显示器，可以显示 1,000,001 种不同的亮度级别（0 是最暗的，1000000 是最亮的）。
现在您需要将 1,000,001 个级别量化为 1024 个值。

由于人类视觉系统对亮度水平的响应不是线性的，因此上面所示的均匀量化不是最佳的。

在应用伽马函数之后执行量化至 10 位。
gamma 函数示例：将每个值除以 1000000（新范围为 [0,1]），计算每个值的平方根，然后将结果乘以 1000000。
在 gamma 函数之后应用量化。
结果是：在较暗的值和较亮的值上保持更高的准确性。
显示器执行相反的操作（去量化和反伽玛）。
应用伽马函数后执行量化可以为人类视觉系统带来更好的质量。

实际上，平方根并不是最好的伽马函数。标准HDR 静态伽玛函数
分为三种类型：

• HLG -混合对数伽玛
• PQ -感知量化器
• HDR10 - 静态元数据

我们可以做得更好吗？
如果我们可以为每个视频帧选择最佳的“伽玛函数”怎么办？

动态元数据示例：
考虑图像中所有亮度级别都在 [500000, 501000] 范围内的情况：
现在我们可以将所有级别映射到 10 位，无需任何量化。
我们需要做的就是发送 500000 作为最低级别，并在图像元数据中发送 501000 作为最低级别。
我们可以从每个值中减去 500000，而不是量化。
接收图像的监视器，读取元数据，并知道为每个值添加 500000 - 因此存在完美的数据重建（没有量化错误）。
假设下一张图像的级别在 400000 到 401000 范围内，因此我们需要（动态）调整元数据。

• DMCVT - 用于颜色体积变换的动态元数据
  DMCVT 的真正数学比上面的示例复杂得多（并且不仅仅是量化），但它基于相同的原理 - 根据场景和显示动态调整元数据，可以实现与静态伽玛（或静态元数据）相比，质量更好。

如果您还在阅读...

我真的不确定 DMCVT 的主要优点是减少量化误差。
（给出一个减少量化误差的例子更简单）。

减少转换错误：
从输入的数字表示（例如BT.2100）到显示器的最佳像素值（如像素的 RGB 电压）的精确转换需要“大量数学”。
转换过程称为颜色体积转换.
显示用数学近似代替繁重的计算（使用查找表和插值[我想]）。

DMCVT 的另一个优势是将“繁重的数学”从显示转移到视频后期制作过程。
视频后期制作阶段的计算资源比显示资源高出几个数量级。
在后期制作阶段，计算机可以计算元数据，帮助显示器执行更准确的颜色体积转换（使用更少的计算资源），并大大减少转换错误。

演示文稿中的示例：

为什么“HDR静态伽玛函数”被称为静态？
与 DMCVT 不同，静态伽玛函数在整个电影中是固定的，或者在整个“系统”中是固定的（预定义的）。
例如：大多数 PC 系统（PC 和显示器）都使用sRGB色彩空间（而不是 HDR）。
sRGB 标准使用以下固定伽玛函数：
。
PC系统和显示器都提前知道自己工作在sRGB标准，并且知道这是使用的gamma函数（不添加任何元数据，或者添加将视频数据标记为sRGB的一字节元数据）。