Masking (psychovisual)

Masking – психовизуальный феномен, при котором человеческий глаз гораздо хуже замечает детали в активных, сложных или движущихся частях изображения, чем в спокойных, гладких, статичных. Уставитесь на чистое синее небо – мгновенно увидите одну слабую пылинку. Уставитесь на снежный буран – и не заметите, если бы пара снежинок пропала или искривилась. Чувствительность глаза к артефактам сильно варьируется по локальному содержанию, и современные видеоэнкодеры это агрессивно используют.

Для видео важны три типа masking. Spatial masking: сильно детализированные или текстурированные регионы скрывают артефакты сжатия (грубая ткань, трава, гравий). Temporal masking: быстро движущиеся регионы скрывают артефакты, потому что глаз не успевает точно отслеживать быстрые изменения. Luminance masking: очень тёмные или очень яркие регионы скрывают артефакты, потому что у глаза снижена чувствительность на экстремальных уровнях яркости. Каждый – это место, где энкодер может квантовать сильнее, потерять больше деталей и сэкономить биты, потому что зритель просто не заметит.

Для продуктовой команды masking – теоретический фундамент `perceptual-quantization` и современных «psycho-visual» режимов энкодеров, делающих 4K HDR-стрим на 15 Mbps практически неотличимым от его несжатого мастера. Современные x264/x265 с psy-rd, AV1 со своими перцептивными режимами, content-adaptive encoding-сервисы от Bitmovin/Mux/NETINT – все они активно опираются на masking-aware bit allocation. Вывод: когда вендор энкодера говорит о «перцептивной оптимизации» или «psy-тюнинге», он говорит об эксплуатации masking. Для зрителя это невидимо (в этом и весь смысл), но коммерчески значимо – типичная экономия 10–25 % bitrate при том же воспринимаемом качестве по сравнению с неперцептивным кодированием.