Fraternity7

2004/07/28：bond@Doom9

　Bフレームがどのように .aviに収められ、vfwでのエンコード/デコード過程で使われるかについて、一部の人たちには説明して来たが、一度簡単な説明を書いて公開しておいた 方が良いと思った。

　内容は以下の通り。

• packed bitstream とは何か
• delay frames とは何か
• xvidの デコーダ・ラグメッセージの意味
• 時代遅れの .avi と vfw を使い続ける為にやらなければ行けない事。

第一の問題

　"video for windows" （VFW） コデック・インターフェイス （virtualdub（mod）が使う） とそのコンテナ （AVI） は Bフレームを扱えない、それどころか、このタイプのフレームの存在すら認識出来ないのだ！
　Bフレームのようなモダンテクノロジーを扱えないという事は、これらは時代遅れのテクノロジーと言う事ができる。

　Bフレームを使いたければ可能性は二つある:
　1）Bフレームを扱えないような 時代遅れの技術を捨てる（そして DirectShow や .MP4 のような新しいものを使う）。
　2）時代遅れの技術を開発と裏技でなんとかする。

２種類の裏技

　現在、 2） のBフレームs をavi と vfwで扱う方法は２種類ある。
　a）エンコーダ側で扱う（xvid と divx5がデフォルトで使うpacked bitstream）
　b）デコーダ側で扱う（xvidが packed bitstream をオフにした時に使う）

基本

　aviとvfwでBフレームを使う裏技を理解するには、まず次の理解が必要だ。

　通常、コンテナの中のフレームは次のように配置されている:

I P B B

　ディスプレイは次の順番だ:

I B B P

　VFW と AVI が使うのは " 1 フレーム - イン・1 フレーム - アウト " 方式 （それがこのテクノロジーの基礎）、これは 1フレームのインプットがある度に、1フレーム出力しなければならない事を意味する（エンコードでもデコードでも）。
　これはBフレームと互換性がない。Bフレーム は 前後の I/Pフレームとセットで使うべく作られているからだ。しかし vfw/avi は "2フレーム - イン・1フレーム - アウト" といった事を許さない（モダンな directshow や .mp4では可能）。

　通常、つまりよりモダンなテクノロジーを使った場合、デコーダはデコード中に次のような事を行う：

1. I フレームを表示。
2. 次にBフレームを表示するが、Bフレームは前後の I/Pフレームが必要なので、既にデコード済みのIフレームをキープしておき、さらにPも読み込む。これでBもデコードできるわけだ（これは "3 フレーム イン・1 フレーム アウト" の場合）。
3. ２番目のBフレームも同様に処理。
4. 次に Pフレームの表示。

デコードの裏技

　では裏技に行こう:

裏技A）AVI and VFW は" 1フレーム-イン・1フレーム-アウト " しかできないので、以下の処理をエンコーダで行う方法（ packed bitstream と呼ばれる）:

　最初のBフレームは1フレームとしてPフレームとパックされる。

I P B B

　これは次のようになる。

I PB B N　

　（＊訳注：半角スペースに 注意＊）
　（N フレームナンバー維持の為の、符号化されていない代替フレーム）

　次に、デコーダは以下の処理をする:

1. I をデコード
2. 最初の Bフレームをデコードするには（前述のように）I と P が要る。最初の B は Pとパックされているので、この二つは "公式には" 1フレームとカウントされる （ PB が1フレームしか無いように見える）が、実際にはP+Bの2フレームだ。これで最初のBはデコードできる。
3. デコーダは既に I と P を（＊ デコーダバッファ内部に＊）持っているので2番目の B もデコードできる。
4. 次に、 Pをディスプレイ。

　まとめると、avi/vfwは" 1 フレーム-イン・1 フレーム-アウト " 方式しか使えないので、2フレームをパックして、これは1フレームですよと偽って処理に流し込むというものだ。
　開発者の中には（ffmpegのミヒャエル=ネーデルマイヤーのように）2フレームを1フレームにパックするとMPEG-4規格との互換性が無くなると す る人もいます。また、MPEG-4規格を遵守する通常のMPEG-4デコーダはpacked bitstreamなんか知らないのでデコードもできません（＊MEncoder -xvidencopts の（no）closed_gop, divx5bvopあたりがこの "packed B-frame" 相当すると思われる＊）。

裏技B） 2番目の案はストリームはaviの中に正しく配置（I P B B）しておいて、デコーダ側に裏技を用意するというものだ。

1. デコーダはまず Iフレームを取得する。しかしディスプレイしない。代わりに例えば、有名なxvidの"decoder lag"メッセージのようなものを表示する。
2. 次に、デコーダはPを入力として取得する。そして、最初のIフレームだけを表示。これで" 1フレーム-イン・1フレーム-アウト " は守れるが、1フレームぶんのタイムラグがある。
3. ３番目、デコーダは最初のB-フレームを取得する。既にデコーダの手許には必要なIとPがあるので、このBもデコードできる。
4. 既にデコーダの手許には必要なIとPがあるので、２番目のBもデコードできる。
5. Pをディスプレイ。

　この裏技は、avi/vfwは "1フレーム-イン・1フレーム-アウト" 方式しか使えないので、ラグを作って、デコーダがこの方式に従いつつも、取得したフレームを吐き出さないようにするもの。packed bitstreamとの違いは、ストリームがMPEG-4規格準拠の方式で記述される事（＊そういえばXvid+mp3.avi再生時、冒頭の一瞬は、 素材と異なる真っ白のフレームだった記憶が＊）。

エンコードの裏技

　ここまでが、デコード側で時代遅れのvfw/aviでB-フレームを使うための２つの裏技。
　さらに、エンコード側にも裏技がある（もちろん、ここでも"1フレーム-イン・1フレーム-アウト " 方式に従う必要がある）。
　B-フレームをエンコードする為には、エンコーダに（＊ エンコード・バッファから必要なフレームが吐き出されてしまう前に＊）2フレームを送り込ま無ければならない。この為に、エン コーダは以下の作業をする:

1. 第一フレームをエンコーダに送り込む -> これはI-フレームとして符号化される。
2. 第二フレームを入力 -> これはB-フレームに符号化するべきだが => その為にはP-フレームも見る必要があるのでできない。
3. 第三フレームの入力 -> B => これも不可能。Pがまだ無い。
4. 第四フレームの入力 -> P-フレームに符号化
5. （IとPが準備完了している）=> 最初のBが符号化
6. （IとPが準備完了している） => ２番目の Bが符号化

　さてvfw/aviの" 1フレーム-イン・1フレーム-アウト " 方式で、どうやって2） と 3） を行うか?

　ここでいわゆるディレイ・フレーム （1-byte 0x7f frames）というものを書き出す。VFWはなにか書き出せばそれで良いのでディレイ・フレームでも構わない訳だ！しかし、それは入力ソースの中に存在 するものではないし、しかも、MPEG-4規格との互換 性は破壊される！

　ではどうしよう？
　AVI と VFW がトラブルを起こした時、我々がいつもしている事は？『裏技を探す』だ。:

　=> virtualdub（mod）にこうした"ディレイ・フレーム"をドロップさせればいい。これで最終的な出力ストリームの中には"ディレイ・フレーム" はなくなる。しかし、vfwコデックを使う他のツールでは"ディレイ・フレーム"が残ってしまう可能性があるので注意してくれ。

　AVI と VFW って、いいもんだろ？

スポンサーサイト