¿Cómo se estructura el vídeo en códecs modernos?

En la codificación de vídeo, la partición de la imagen en unidades más pequeñas es una técnica fundamental que mejora tanto la eficiencia de compresión como la velocidad de decodificación. Entre las estructuras más comunes utilizadas en los códecs modernos, como H.264, HEVC y VVC, se encuentran las divisiones de la imagen en "tiles" y "slices", así como la introducción de unidades básicas flexibles de codificación como los bloques y unidades de predicción. Este enfoque modular permite que las tareas de codificación y decodificación se distribuyan de manera más eficiente, lo que es esencial cuando se trabaja con resoluciones altas como HD, 4K y superiores.

El uso de múltiples núcleos para procesar imágenes en tiles también hace posible un aumento notable en la velocidad de decodificación. Por ejemplo, si un procesador de cuatro núcleos puede manejar cuatro tiles de manera simultánea, el tiempo de decodificación se reduce proporcionalmente. Esta estructura se observa con claridad en los códecs más recientes, como HEVC, que emplean un formato específico para la partición de tiles y la codificación de la imagen en bloques más pequeños. Cada core en el procesador puede encargarse de la decodificación de un tile de manera independiente, lo que elimina posibles cuellos de botella en el procesamiento.

Los códecs modernos, como H.265/HEVC y VVC, también permiten un control más detallado sobre los patrones de predicción, dividiendo la imagen en áreas de predicción (PU) que pueden tener diferentes tamaños y tipos. La predicción intra se basa en datos previamente codificados dentro de la misma imagen, mientras que la predicción inter utiliza cuadros previamente codificados para mejorar la eficiencia de compresión. La elección de las estructuras de predicción más adecuadas depende de la calidad de la predicción y de la cantidad de datos necesarios para codificar tanto la predicción en sí como los parámetros asociados, como los vectores de movimiento.

Es esencial entender que la eficiencia de estos códecs no solo depende de la tecnología de codificación, sino también de la arquitectura del procesador y la forma en que los datos se manejan a nivel de hardware. Los códecs modernos están diseñados para aprovechar las capacidades de procesamiento paralelo de los sistemas actuales, pero la verdadera clave del rendimiento está en la capacidad de gestionar eficientemente las dependencias de datos entre los diferentes bloques y tiles.

¿Cómo funciona la codificación aritmética binaria y cómo se determina la secuencia de códigos?

La codificación aritmética binaria (BAC) se basa en la idea de representar una secuencia de valores binarios dentro de un intervalo de números decimales. Este proceso se realiza dividiendo continuamente el intervalo en subintervalos más pequeños, cuyas longitudes corresponden a las probabilidades de aparición de cada valor binario. De esta manera, se obtiene una representación eficiente de la información, en la que la longitud de la fracción binaria que se transmite al decodificador está directamente relacionada con la probabilidad de cada secuencia.

En el ejemplo presentado, el codificador debe transmitir una secuencia de valores binarios $b_0, b_1, b_2$. Cada uno de estos valores puede ser 0 o 1, y la probabilidad de que cada valor sea 0 o 1 está predefinida. Para el primer valor $b_0$, las probabilidades son $P(0) = 0.3$ y $P(1) = 0.7$, lo que significa que $b_0 = 1$ es más probable que $b_0 = 0$. De manera similar, $b_1$ tiene probabilidades $P(0) = 0.1$ y $P(1) = 0.9$, lo que hace que $b_1 = 1$ también sea mucho más probable. Finalmente, $b_2$ tiene probabilidades equilibradas de 0.5 para 0 y 1.

El codificador, después de determinar en qué subintervalo se encuentra el valor de la secuencia, transmite una fracción binaria que representa un punto dentro de este subintervalo final. En el ejemplo dado, el punto de la fracción binaria es $0.01011_b$, que corresponde al valor decimal $0.34375$. Este número es el más corto que cae dentro del intervalo final para la secuencia 1, 0, 1. El decodificador, al recibir esta fracción binaria, utiliza la misma información sobre las probabilidades para reconstruir la secuencia original de valores binarios.

El aspecto interesante de la codificación aritmética binaria es que no se transmite una secuencia de bits para cada valor binario individualmente. En lugar de eso, se transmite una fracción binaria que se encuentra dentro del rango final determinado por las probabilidades de la secuencia completa. Esta fracción puede ser más corta o más larga dependiendo de la probabilidad de que cada secuencia ocurra, lo que hace que la codificación aritmética sea muy eficiente desde el punto de vista del almacenamiento y la transmisión.

En un escenario general, si la secuencia de valores binarios cambia, el rango final en el que se encuentra la fracción binaria también cambiará. Por ejemplo, si la secuencia fuera 1, 1, 0, el intervalo final sería de $0.37$ a $0.685$, y la fracción binaria más corta que se encuentra dentro de este intervalo sería $0.1_b$, correspondiente al valor decimal $0.5$. A medida que se cambian las secuencias, el intervalo final se ajusta y, por lo tanto, la longitud de la fracción binaria también se ajusta en consecuencia.

Además, el tamaño de la fracción binaria no es fijo y varía según la secuencia. Las secuencias con mayor probabilidad tienen subintervalos más pequeños, lo que permite representar las secuencias con menos bits. Esto hace que la codificación aritmética binaria sea más eficiente en términos de espacio de almacenamiento, especialmente cuando se codifican secuencias que siguen distribuciones de probabilidad conocidas y predecibles.

Es esencial que tanto el codificador como el decodificador tengan acceso a las probabilidades predefinidas para poder interpretar correctamente las secuencias codificadas. Sin esta información compartida, el proceso de codificación y decodificación no sería posible, ya que el decodificador no sabría en qué subintervalos buscar.