PDF de programación - Introducción al MPEG-4

Introducción al MPEG-4

José Ignacio Estévez Damas

1 de febrero de 2007

Resumen

Este documento constituye una introducción al estándar MPEG-4. No pretende
ser una descripción exhaustiva, para la cual me remito a las referencias selec-
cionadas en el cuestionario. La arquitectura de referencia DMIF (parte 6 de
MPEG-4) se describe en otro documento.

Introducción.

MPEG-4 fue finalizado entre 1999 y 2000, suponiendo un esfuerzo de mejora
sobre los anteriores estándares MPEG-1 y MPEG-2. Como siempre la necesidad
de cambio vino impuesta por el deseo de acometer aplicaciones nuevas y más
complejas. En este sentido, hay que citar:

Multimedia en internet.

Videojuegos.

Comunicación interpersonal (videoconferencia, videotelefonía).

Medios de almacenamiento interactivos.

Servicios de bases de datos multimedia.

Sistemas de emergencia remotos.

Vigilancia remota.

Multimedia en conexiones sin hilos (wireless).

Aplicaciones de difusión de contenidos multimedia.

Para lograr aproximarse a todos estos campos fue necesario un cambio no sólo
cuantitativo respecto a MPEG-2, sino más bien cualitativo, de orden conceptual.
Mientras MPEG-1/2 se centran en contenido de audio y video (AV) digital
basándose en el frame, MPEG-4 se centra en la descripción de escenas mediante
el uso de objetos que mantienen entre si, ciertas relaciones de carácter espacial
y temporal.

De esta manera MPEG-4 permite entrar de lleno en el campo de la in-
teractividad, individualizando las acciones para cada objeto a niveles como
la codificación, decodificación, composición (lugar en el objeto multimedia).
Además, MPEG-4 permite integrar objetos de muy diferente naturaleza, lo-
grando por ejemplo incorporar al mismo objeto multimedia video natural y
elementos sintéticos. Por lo tanto, frente a la interactividad pobre de MPEG-
2 (parar video, continuar video, ir hacia adelante, ir hacia atrás), uno de los
avances de MPEG-4 es la interactividad a nivel de objeto. De esta manera, los
autores de contenidos MPEG-4 pueden permitir a los usuarios modificar es-
cenas borrando objetos, añadiéndolos, colocándolos en otro lugar, o alterar el
comportamiento de los mismos.

Todo este esfuerzo sería vano si no se tuvieran en cuenta las características
de los sistemas de comunicación que han aparecido en estos años. Por ello, los
desarrolladores de MPEG-4 fueron conscientes dela hetereogeneidad de las redes
de comunicación. Es importante recordar en este punto la gran variedad de an-
chos de banda existentes, así como en general las diferentes calidades de servicio
que nos podemos encontrar. En relación a este punto, MPEG-4 se diseñó para
permitir la construcción de contenidos escalables, pudiendo ser distribuidos en
una variedad de plataformas.

1

Parámetros principales.

MPEG-4 soporta los modos de escaneado de MPEG-2, es decir, progresivo
y entrelazado. Además permite una gran flexibilidad en cuanto a resoluciones:
desde 8*8 hasta 2048*2048. En cuanto al espacio de color admite monocromo, Y
Cr Cb, e incluso Y Cr Cb con un canal de transparencia (canal alfa). Es similar
a MPEG-2 en cuanto a las resoluciones para las crominancias: 4:0:0, 4:2:0 y
4:2:2.

MPEG-4 Video está optimizado para una gran variedad de redes y sistemas
de comunicación. Así puede soportar diferentes modos: menos de 64 Kbs (cone-
xiones muy lentas), de 64 a 384 Kbs (velocidad intermedia) y de 384 a 4 Mbs
(velocidad alta). MPEG-4 puede llegar a trabajar con 1Gbit/s.

Estas prestaciones pueden ser revisadas, para lo que existe el denominado
Requirements Group encargado de su actualización en función de las necesidades
y avances tecnológicos.

Los objetos visuales en MPEG-4

Los objetos visuales en una escena son descritos matemáticamente y su posi-
ción puede expresarse en un espacio bidimensional o tridimensional. Los objetos
de audio pueden también ser situados a lo largo del video. Una vez colocados
los objetos en la escena, el usuario puede cambiar su punto de vista. El cálculo
de reposicionamiento en la pantalla se realiza en el decodificador.

El lenguaje de MPEG-4 para describir y modificar dinámicamente una escena
se denomina Binary Format for Scenes (BIFS). BIFS tiene similitudes con el
lenguage VRML [?] (Virtual Reality Modeling Language), que es uno de los
lenguajes más extendidos para configurar escenas sintéticas 3D. Una diferencia
importante es que mientras VRML es un lenguage de texto, BIFS se constituye
por códigos binarios por lo que las descripciones son unas 10 o 15 veces más
compactas.

Otra diferencia entre BIFS y VRML es que el primero permite adquirir
progresivamente la escena (streamable scene) mientras que el segundo requiere
la descarga completa. Por último BIFS permite situar objetos 2D y 3D, mientras
que VRML solo admite objetos 3D.

Ojetos visuales.

MPEG-4 introduce el contenido multimedia en la escena mediante el uso de

objetos visuales. Veamos algunos ejemplos:

El objeto simple. Este objeto es un video de forma rectangular de altura y
ancho arbitrarios, preparado para tasas bajas de bits. Utiliza codificación
simple basada en video object planes (VOPs es la denominación de frame
en MPEG-4) I y P.

El objeto simple escalable es una extensión del objeto simple con esca-
labilidad tanto temporal como espacial.

El objeto core representa una mejora cualitativa respecto al objeto sim-
ple. Se introducen VOPs bidireccionales (B-VOP) y pueden tener una

2

forma arbitraria. La forma arbitraria se consigue incluyendo un canal de
transparencia no progresiva (como GIF).

El objeto Main es el objeto de video que da una mayor calidad. La trans-
parencia puede ser progresiva. Soporta además modo entrelazado y sprites.

El objeto N-bits es igual al objeto core, pero permite modificar la pro-
fundidad de bits en la capa de luminancia y en las de crominancia (de 4 a
12 bits).

El objeto still scalable texture es una imagen estática con forma arbi-
traria. La codificación es muy eficiente ya que usa la transformada wavelet
para el escalado y la descarga incremental.

Los objetos mencionados hasta ahora son los adecuados para representar

imágenes naturales. Los objetos de tipo sintético son:

El objeto animated 2d mesh (red bidimensional animada) combina una
red sintética con video natural. Este video natural usa las mismas carac-
terísticas que el objeto Core. Se utiliza la red bidimensional para mapear
el video en puntos de la red que pueden ser animados, cono lo que se
consigue deformar dinámicamente el video. Este objeto puede tener forma
arbitraria.

El objeto basic animated texture permite usar una red animada sobre
la que se proyecta una imagen estática.

Tenemos el objeto simple face, que tiene una herramienta para animación
facial. Además MPEG-4 prevé el uso de una interfaz text-to-speech.

Esquema general del transporte de los datos

Streams elementales.

El esquema de transporte es bastante versatil. Se basa en el uso de los deno-
minados elementary streams (ES). Los ESs pueden usarse para transportar la
información concerniente tanto a descriptores de objetos (ver más abajo) como
al propio contenido multimedia. El BIFS que describe las escena también tiene
su propio ES.

Un objeto puede tener asociado uno o varios ESs relativos al contenido mul-
timedia. Por ejemplo, un objeto visual con escalabilidad SNR, tendrá un ES
para la información base, y otro para la información “de mejora”.

MPEG-4 tiene además un medio para informar al sistema acerca de como
debe ser decodificado un objeto. Se trata de los denominados descriptores de
objetos. Cada descriptor de objeto contiene descriptores de ES, que informan
por ejemplo de qué decodificador debe ser utilizado para cada ES. El descriptor
de objetos es enviado en un ES especial.

Estructura de capas.

La estructura de los codificadores y decodificadores de MPEG-4 puede en-

tenderse como una estructura de capas.

3

La primera capa se denomina “capa de compresión”. En esta capa se produ-
cen los ESs mediante algoritmos de codificación. Los algoritmos de codificación
relativos al contenido multimedia se especifican en MPEG-4 Video y MPEG-4
Audio. La codificación de la escena (BIFS) y los descriptores de objetos se espe-
cifican en MPEG-4 Sistemas. El problema que se aborda en las siguientes capas
que conforman MPEG-4 es el relativo a la organización de la información para
posibilitar el transporte de los datos, atendiendo a los requerimientos específicos
de los contenidos multimedia, así como a las características de las redes.

Uno de los requerimientos más importantes de los contenidos multimedia es
la necesidad de sincronización. Por lo tanto, el codificador / decodificador de
MPEG-4 tiene una capa de sincronización. El funcionamiento de esta capa se
describe en MPEG-4 Sistemas. En este punto del codificador MPEG-4, los ESs
son divididos en paquetes a los que se les añade información temporal relativa
a la decodificación y a la presentación.

De este modo, la información temporal que recibe el decodificador incluye la
velocidad del reloj del codificador y los time stamps (marcas temporales) de los
paquetes. Los time stamps pueden ser de dos tipos indicando respectivamente
cuándo debe ser decodificado el paquete y cuándo debe ser presentado. Esta
dualidad es necesaria, ya que el orden de decodificación no tiene que coincidir
necesariamente con el orden de presentación. Un ejemplo de esto es la forma en
que muchos videos se codifican utilizando frames previos y posteriores.

El resultado de la capa de sincronización pasa a la capa de distribución. Esta
última tiene un multiplexador en dos capas. La primera capa de multiplexado
es gestionada conforme a lo especificado por la arquitectura de referencia DMIF
(Delivery Multimedia Integration Framework) (parte 6 del estándar MPEG-
4). Esta primera capa de multiplexado, permite la agrupación de diferentes ESs
con la herramienta FlexMux (definida en MPEG-4 Systms), obteniéndose así los
denominados F