RGB គឺហួសសម័យសម្រាប់ AI និងស្ទ្រីម

បន្ទាប់ពីចំណាយពេលអស់ជាច្រើនយប់ដោយគេងមិនលក់ជាមួយនឹងទម្រង់ការអ៊ិនកូដពណ៌ YUV ខ្ញុំបានដឹងថាមានព័ត៌មានតិចតួចអំពីទម្រង់ដ៏គួរឱ្យកត់សម្គាល់នេះ។ ទោះបីជាយ៉ាងណាក៏ដោយ វាអាចមានប្រយោជន៍មិនគួរឱ្យជឿសម្រាប់អ្នកដែលពាក់ព័ន្ធនឹងការផ្សាយវីដេអូ P2P ឬដំណើរការស្ទ្រីមវីដេអូជាមួយ AI ។

នៅក្រឡេកមើលដំបូង RGB និង YUV អាចហាក់ដូចជាវិធីផ្សេងគ្នានៃការតំណាងពណ៌។ ប៉ុន្តែនៅក្រោមភាពខុសគ្នានេះ គឺជាការប្រយុទ្ធដែលកំពុងបន្ត៖ ភាពងាយស្រួល ធៀបនឹងប្រសិទ្ធភាព ភាពត្រឹមត្រូវ និងការអនុវត្ត ការយល់ឃើញដ៏ល្អឥតខ្ចោះ ទល់នឹងការបង្ហាប់ ដោយគ្មានការបាត់បង់ដែលអាចមើលឃើញ។ គេអាចសន្មត់ថា RGB គឺជាស្តេចនៃចន្លោះពណ៌ដែលមិនមានជម្លោះ - បន្ទាប់ពីទាំងអស់ កាមេរ៉ា អេក្រង់ និងបណ្តាញសរសៃប្រសាទភាគច្រើនដំណើរការនៅក្នុងវា។ ទោះជាយ៉ាងណាក៏ដោយ នៅក្នុងពិភពនៃការផ្សាយវីដេអូ និងការអ៊ិនកូដ YUV នាំមុខដោយលាក់នៅក្រោមក្រណាត់នូវស៊េរីនៃការដោះដូរដ៏ស្មុគស្មាញដែលអនុញ្ញាតឱ្យយើងមើលវីដេអូដោយមិនមានភាពយឺតយ៉ាវ រក្សាទុកទិន្នន័យជីហ្គាបៃ និងបង្កើនល្បឿនដំណើរការក្នុងពេលវេលាជាក់ស្តែង។

ប៉ុន្តែចុះយ៉ាងណាបើអ្នកចង់ភ្ជាប់ពិភពលោកទាំងពីរនេះ? តើម៉ូដែល AI ដែលត្រូវបានបណ្តុះបណ្តាលលើ RGB គ្រប់គ្រងការផ្សាយវីដេអូនៅក្នុង YUV យ៉ាងដូចម្តេច? ហេតុអ្វីបានជាកូឌិកមានការស្ទាក់ស្ទើរក្នុងការធ្វើការជាមួយ RGB? ហើយ​តើ​វា​អាច​សម្រេច​បាន​សមតុល្យ​ដ៏​ល្អ​ឥត​ខ្ចោះ​រវាង​ទម្រង់​ទាំង​នេះ​ដែរ​ឬ​ទេ? នៅទីនេះ ខ្ញុំនឹងជួយអ្នកឱ្យស្វែងយល់ពីមូលហេតុដែល RGB និង YUV ប្រៀបដូចជាអ្នកប្រដាល់ពីររូបមកពីថ្នាក់ទម្ងន់ខុសៗគ្នា ដោយបង្ខំឱ្យជួបគ្នាក្នុងសង្វៀនតែមួយនៃការចាក់វីដេអូ និងបច្ចេកវិទ្យា AI ។

RGB និង YUV: តើពួកគេជាអ្វី?

ទម្រង់ RGB និង RGBA គឺមានភាពសាមញ្ញ និងត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយនៅក្នុងក្រាហ្វិកកុំព្យូទ័រ ដូច្នេះយើងនឹងមិនចូលជ្រៅទៅក្នុងមូលដ្ឋានគ្រឹះនោះទេ។ សរុបមក នៅពេលដែលកុំព្យូទ័ររបស់អ្នកបង្ហាញរូបភាព វាដំណើរការជាមួយបណ្តាញចំនួនបីគឺ ក្រហម (R) បៃតង (G) និង ខៀវ (B) ។ នេះជារបៀបដែលអេក្រង់ភាគច្រើនដំណើរការ។

RGBA បន្ថែមឆានែលមួយបន្ថែមទៀត — Alpha (A) — ដែលគ្រប់គ្រងតម្លាភាព ដែលធ្វើឱ្យវាមានប្រយោជន៍ជាពិសេសសម្រាប់ក្រាហ្វិកគេហទំព័រ និងការរចនាឌីជីថល។ RGB តំណាងឱ្យពណ៌យ៉ាងត្រឹមត្រូវដោយគ្មានការបង្ខូចទ្រង់ទ្រាយប៉ុន្តែវាមានគុណវិបត្តិយ៉ាងសំខាន់ - វាត្រូវការទំហំច្រើនពេក។ ឧទាហរណ៍ រូបភាពដែលមានគុណភាពបង្ហាញ 1920 × 1080 ក្នុងទម្រង់ RGBA (ប្រើ 1 បៃក្នុងមួយប៉ុស្តិ៍) យកឡើង៖ 1920×1080×4 = 8294400 bytes ≈ 8.2 MB

ទ្រង់ទ្រាយដែលបានបង្ហាប់ដូចជា JPEG កាត់បន្ថយទំហំឯកសារ ប៉ុន្តែនៅក្នុងពិភពនៃការផ្សាយវីដេអូ P2P និងដំណើរការតាមពេលវេលាជាក់ស្តែងរបស់ AI នៅលើម៉ាស៊ីនរបស់អតិថិជន ដូចជាការសម្គាល់វត្ថុ ការរកឃើញចំណុចគន្លឹះ និងការបំបែក - នេះមិនមែនជាជម្រើសដែលអាចសម្រេចបាន។ យើងត្រូវបញ្ជូន និងវិភាគរាល់ស៊ុមក្នុងពេលវេលាជាក់ស្តែង ដោយមិនណែនាំវត្ថុបុរាណនៃការបង្ហាប់ ឬបាត់បង់ព័ត៌មានលម្អិតសំខាន់ៗ។ នោះហើយជាកន្លែងដែល YUV ចូលមកលេង ដោយផ្តល់ជូននូវវិធីសាស្រ្តដ៏ឆ្លាតវៃជាងមុន ដើម្បីធ្វើសមតុល្យគុណភាព ប្រសិទ្ធភាព និងការអនុវត្ត។

តើ YUV ជាអ្វី?

មិនដូច RGB ដែលរក្សាទុកព័ត៌មានពណ៌ដោយផ្ទាល់ YUV បំបែករូបភាពទៅជា luma (Y) និង chroma (U និង V) ។ វិធីសាស្រ្តនេះអនុញ្ញាតឱ្យបង្រួមទិន្នន័យប្រកបដោយប្រសិទ្ធភាពដោយមិនបាត់បង់គុណភាពគួរឱ្យកត់សម្គាល់។

Y (Luma, brightness) – តំណាងឱ្យពន្លឺរបស់ភីកសែល ដោយកំណត់ថាតើវាបង្ហាញពន្លឺ ឬងងឹតយ៉ាងណា។ សំខាន់នេះគឺជាកំណែមាត្រដ្ឋានប្រផេះ (ស-ខ្មៅ) នៃរូបភាព ដោយរក្សារូបរាង និងព័ត៌មានលម្អិតទាំងអស់។

U និង V (Chroma, color) - រក្សាទុកព័ត៌មានពណ៌ ប៉ុន្តែមានភាពជាក់លាក់ទាប ដោយសារភ្នែកមនុស្សយល់ឃើញពន្លឺខ្លាំងជាងភាពត្រឹមត្រូវនៃពណ៌។ និយាយឱ្យសាមញ្ញ ប៉ុស្តិ៍ទាំងនេះដើរតួជា "ការផ្លាស់ប្តូរ" ពីរវិមាត្រនៃពន្លឺឆ្ពោះទៅរកពណ៌ពណ៌ផ្សេងគ្នា។

ការបំបែកនេះគឺជាគន្លឹះនៃមូលហេតុដែល YUV មានប្រសិទ្ធភាពសម្រាប់ការបង្ហាប់វីដេអូ ការផ្សាយ និងដំណើរការវីដេអូផ្អែកលើ AI ។

ហេតុអ្វីបានជា YUV ប្រសើរជាងសម្រាប់ការស្ទ្រីមវីដេអូ?

គុណសម្បត្តិមួយដែលមិនសូវច្បាស់ ប៉ុន្តែមានប្រសិទ្ធភាពខ្ពស់ របស់ YUV គឺថា ឆានែលមួយរបស់វា (Y) មិនមានន័យសម្រាប់ការរក្សាទុកពណ៌ទាល់តែសោះ។ ផ្ទុយ​ទៅ​វិញ វា​បាន​ពិពណ៌នា​យ៉ាង​ច្បាស់​លាស់ រាង នៃវត្ថុ។

តើ​នេះ​ទាក់ទង​នឹង​ចក្ខុវិស័យ​មនុស្ស​យ៉ាង​ណា?

ភ្នែកមនុស្សយល់ឃើញរូបភាពដោយប្រើ photoreceptors ពីរប្រភេទនៅក្នុងរីទីណា៖

• កោសិកា Rod (~120 លាន) - ងាយនឹងពន្លឺ និងកម្រិតពណ៌ ប៉ុន្តែមិនអាចរកឃើញពណ៌បានទេ។ ពួកវាអនុញ្ញាតឱ្យយើងមើលឃើញរូបរាង និងព័ត៌មានលម្អិតសូម្បីតែនៅក្នុងពន្លឺតិចក៏ដោយ។

• កោសិកាកោណ (~ 6 លាន) - ទទួលខុសត្រូវចំពោះការយល់ឃើញពណ៌ប៉ុន្តែមានចំនួនតិចជាង 20 ដង។ ពួកវា​ដំណើរការ​តែ​ក្នុង​លក្ខខណ្ឌ​ពន្លឺ​ល្អ​ប៉ុណ្ណោះ ហើយ​មាន​បី​ប្រភេទ​គឺ​ក្រហម បៃតង និង​ខៀវ ( RGB , មិន​គួរ​ឲ្យ​ភ្ញាក់ផ្អើល)។

  
  

ដោយសារតែអតុល្យភាពនៃអ្នកទទួលនេះ ខួរក្បាលរបស់យើងផ្តល់អាទិភាពលើរូបរាងជាងពណ៌។ ប្រសិនបើពន្លឺ ឬកម្រិតពណ៌ត្រូវបានបង្ខូចទ្រង់ទ្រាយ យើងកត់សម្គាល់វាភ្លាមៗ។ ទោះយ៉ាងណាក៏ដោយ ការប្តូរពណ៌បន្តិចបន្តួច ច្រើនតែមិនមាននរណាកត់សម្គាល់។

នេះគឺជាគោលការណ៍ស្នូលរបស់ YUV

• ឆានែល Y (ពន្លឺ) នៅតែមិនផ្លាស់ប្តូរ ដើម្បីរក្សារាងវត្ថុ ដូច្នេះកោសិការនៅក្នុងភ្នែករបស់អ្នកនឹងពេញចិត្ត។
• ឆានែល U និង V (ព័ត៌មានពណ៌) អាចត្រូវបានបង្ហាប់ដោយមិនចាំបាច់បង្កើតវត្ថុបុរាណដែលអាចមើលឃើញហើយកោសិការាងកោណតិចជាងមុននឹងមិនកត់សំគាល់ភាពខុសគ្នាណាមួយឡើយ។

នេះមានន័យថាមិនដូច RGB — ដែលប៉ុស្តិ៍ទាំងបីមានសារៈសំខាន់ដូចគ្នា — YUV ចាត់ចែងឆានែលរបស់វាខុសគ្នាដោយផ្អែកលើការយល់ឃើញរបស់មនុស្ស។ ដោយសារទិន្នន័យពណ៌ (U និង V) មិនសូវសំខាន់ យើងអាចកាត់បន្ថយបរិមាណទិន្នន័យដែលបានបញ្ជូនដោយមិនបាត់បង់គុណភាពដែលអាចយល់បាន។

នេះជារបៀបដែលយន្តការ Chroma Subsampling ដំណើរការ — បង្កើនប្រសិទ្ធភាពការអ៊ិនកូដវីដេអូដោយការបង្ហាប់ព័ត៌មានពណ៌ដោយជ្រើសរើស ខណៈពេលដែលរក្សាពន្លឺនៅដដែល។

របៀបដែល Chroma Subsampling រក្សាទុកពិភពនៃការផ្សាយវីដេអូ

Chroma subsampling គឺជាបច្ចេកទេសសម្រាប់កាត់បន្ថយចំនួនទិន្នន័យពណ៌នៅក្នុងរូបភាពមួយ។ ជំនួសឱ្យការរក្សាទុកពណ៌សម្រាប់រាល់ភីកសែល (ដូចនៅក្នុង RGB ) YUV បន្ថយគុណភាពបង្ហាញនៃឆានែលពណ៌ខណៈពេលដែលរក្សាពន្លឺ (រូបរាង) នៅដដែល។

មានស្ដង់ដារឧស្សាហកម្មមួយចំនួនសម្រាប់ការយកគំរូរង chroma:

• គំរូរង 4:2:2 – ភីកសែលគូនីមួយៗចែករំលែកព័ត៌មានពណ៌។ ភ្នែកស្ទើរតែកត់សម្គាល់ភាពខុសគ្នា ប៉ុន្តែទំហំឯកសារត្រូវបានកាត់បន្ថយ 33% ។ វិធីសាស្រ្តនេះកម្រប្រើណាស់។

• គំរូរង 4:2:0 - ពណ៌ត្រូវបានរក្សាទុកសម្រាប់តែភីកសែលមួយប៉ុណ្ណោះក្នុងចំណោម 4 ដែលសម្រេចបានការបង្ហាប់អតិបរមា។

  
  

ហេតុអ្វីបានជា 4:2:0 ជាស្តង់ដារសំខាន់?

ទ្រង់ទ្រាយនេះកាត់បន្ថយទំហំទិន្នន័យពាក់កណ្តាលដោយមិនធ្វើឱ្យខូចគុណភាពរូបភាពគួរឱ្យកត់សម្គាល់។ នោះហើយជាមូលហេតុដែលវាជាស្តង់ដារសម្រាប់សេវាកម្មស្ទ្រីម និងវេទិកាវីដេអូស្ទើរតែទាំងអស់។ ឧទាហរណ៍ ក្រុម Microsoft បញ្ជូនវីដេអូនៅ 4: 2: 0 ព្រោះវាផ្តល់នូវតុល្យភាពល្អបំផុតរវាងគុណភាព និងប្រសិទ្ធភាពកម្រិតបញ្ជូន។

នៅក្នុងការដំឡើងនេះ តម្លៃពណ៌តែមួយតំណាងឱ្យ 4 ភីកសែល ហើយភ្នែករបស់មនុស្សមិនបានរកឃើញភាពខុសគ្នានោះទេ សូម្បីតែនៅពេលពង្រីកក៏ដោយ ចាប់តាំងពីពន្លឺ (Y) នៅតែមិនផ្លាស់ប្តូរ។

1920×1080×1.5 = 3110400 bytes ≈ 3.1 MB នៅលើស៊ុមតែមួយ នេះបណ្តាលឱ្យមានការកាត់បន្ថយទំហំទិន្នន័យច្រើនជាងពីរដងបើប្រៀបធៀបទៅនឹង RGBA — ដោយមិនមានការបាត់បង់គុណភាពដែលអាចមើលឃើញទេ!

រូបភាពខាងក្រោមបង្ហាញពីរបៀបដែលស៊ុម/រូបភាពចុងក្រោយមើលទៅដូចជាមួយនឹង 4:2:0 chroma subsampling។ ចំណាំពីរបៀបដែល U ពិពណ៌នាបួន Y វាឈ្នះការចងចាំ 4 ដង!

ហេតុអ្វីបានជា YUV មានប្រយោជន៍ខ្លាំងសម្រាប់ AI?

នៅក្នុងពិភពលោកនាពេលបច្ចុប្បន្ននេះ កម្មវិធី AI សម្រាប់ដំណើរការវីដេអូក្នុងពេលជាក់ស្តែងកំពុងពង្រីកយ៉ាងឆាប់រហ័ស។ បណ្តាញសរសៃប្រសាទត្រូវបានប្រើប្រាស់មិនត្រឹមតែសម្រាប់ការវិភាគកាមេរ៉ាឃ្លាំមើល និងការបង្កើនគុណភាពស្ទ្រីមប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងសម្រាប់កិច្ចការស្មុគស្មាញបន្ថែមទៀតដូចជា ឥទ្ធិពលបង្កើត ការកែប្រែរូបរាងតាមពេលវេលាជាក់ស្តែង ការសម្គាល់វត្ថុ និងការតាមដានចលនា។

ជាឧទាហរណ៍ យើងបានបង្កើតប្រព័ន្ធតុបតែងមុខនិម្មិតដែលប្រើក្រែមលាបមាត់ និងត្របកភ្នែកលើមុខមនុស្សនៅក្នុងការជជែកជាវីដេអូ ដោយធ្វើដូច្នេះតាមតែអាចធ្វើទៅបាន។ នៅក្នុងកិច្ចការបែបនេះ ភាពជាក់លាក់នៃរូបរាង និងចលនាមានសារៈសំខាន់ខ្លាំងណាស់ ខណៈពេលដែលព័ត៌មានពណ៌គឺបន្ទាប់បន្សំ។ អ្នកក៏អាចបណ្តុះបណ្តាលគំរូរបស់អ្នកឱ្យយល់ពីរូបភាពមាត្រដ្ឋានប្រផេះ ដើម្បីបង្កើនដំណើរការរបស់វា ក្នុងពេលជាមួយគ្នានេះ ការទទួលបានរូបភាពពណ៌ប្រផេះនៅលើ GPU គឺមានប្រសិទ្ធភាពជាងប្រសិនបើអ្នកយក YUV 4:2:0 ជាការបញ្ចូល ព្រោះអ្នកគ្រាន់តែកាត់ផ្នែកដំបូងនៃរូបភាពដើម្បីទទួលបានឆានែលពណ៌ប្រផេះជាលទ្ធផល។

បញ្ហាប្រឈមសំខាន់ៗក្នុងការស្ទ្រីមវីដេអូ AI

រូបរាងសំខាន់ជាងពណ៌

ម៉ូដែល AI ដូចជាប្រព័ន្ធចក្ខុវិស័យកុំព្យូទ័រជាច្រើនទៀត ផ្តោតលើរចនាសម្ព័ន្ធវត្ថុ រូបរាង និងគែមជាជាងការបង្កើតឡើងវិញនូវពណ៌ច្បាស់លាស់។ នេះជាការពិតសម្រាប់ការសម្គាល់មុខ ការតាមដានទីតាំង ការរកឃើញភាពមិនប្រក្រតី និងផលប៉ះពាល់ AR ។ ឧទាហរណ៍ នៅក្នុងប្រព័ន្ធសម្គាល់ចលនា គ្រោងភីកសែលនៃរាងកាយគឺសំខាន់ជាងសម្លេងស្បែកឆ្ងាយណាស់។

ការអនុវត្តគឺសំខាន់

សម្រាប់ AI ពេលជាក់ស្តែង ស៊ុមនីមួយៗត្រូវតែដំណើរការក្នុងរយៈពេលតិចជាង 20 ms ដើម្បីរក្សាអត្រាស៊ុមរលូន ( 50–60 FPS ) ។ កាលណាបណ្តាញសរសៃប្រសាទទទួល និងដំណើរការស៊ុមកាន់តែលឿន កម្មវិធីដំណើរការកាន់តែមានលក្ខណៈធម្មជាតិ និងរលូន។

• ទ្រង់ទ្រាយ RGB គឺធ្ងន់ពេក - ស៊ុម 1920×1080 RGBA មានទម្ងន់ 8.2 MB ដែលធ្វើអោយមានភាពតានតឹងយ៉ាងខ្លាំងលើអង្គចងចាំ និងថាមពលដំណើរការ។
• YUV ជាមួយនឹង 4:2:0 chroma subsampling កាត់បន្ថយទិន្នន័យដែលមិនចាំបាច់នៅក្នុង O(1) ដោយការបញ្ជូនពណ៌នៅកម្រិត resolution ទាប រក្សាទុកធនធានគណនាដោយមិនបាត់បង់គុណភាពដែលអាចមើលឃើញ។

ដំណើរការ GPU ប្រសើរឡើង

GPUs ទំនើបត្រូវបានធ្វើឱ្យប្រសើរខ្ពស់សម្រាប់ដំណើរការ YUV មានន័យថាយើងអាចធ្វើការជាមួយរូបភាពដោយមិនចាំបាច់បំប្លែងពួកវាទៅជា RGB ។ នេះលុបបំបាត់ការគណនាដែលមិនចាំបាច់ និងបង្កើនល្បឿនដំណើរការ។

កម្រិតបញ្ជូន និងការសន្សំសតិ

ការកាត់បន្ថយទំហំទិន្នន័យមានសារៈសំខាន់សម្រាប់ការបញ្ជូន និងដំណើរការវីដេអូតាមពេលវេលាជាក់ស្តែង៖

• ក្នុងការស្ទ្រីម ការប្រើប្រាស់ YUV 4:2:0 កាត់បន្ថយការបញ្ជូនទិន្នន័យ 50% ដោយមិនបាត់បង់គុណភាពគួរឱ្យកត់សម្គាល់។
• នៅក្នុង AI ម៉ូដែលអាចដំណើរការទិន្នន័យដែលបានបង្ហាប់ដោយមិនចាំបាច់បំប៉ោងវាទៅជា RGB ដោយសន្សំសំចៃ VRAM និងថាមពលកុំព្យូទ័រ។

សេចក្តីសន្និដ្ឋាន

ចូរនិយាយដោយស្មោះត្រង់ - RGB ហាក់ដូចជាជម្រើសជាក់ស្តែង។ វាជាស្តង់ដារនៅក្នុងកាមេរ៉ា អេក្រង់ និងក្រាហ្វិកកុំព្យូទ័រ។ ប៉ុន្តែនៅពេលនិយាយអំពីការផ្សាយវីដេអូក្នុងពិភពពិត និងការរួមបញ្ចូល AI RGB ប្រែទៅជា ដាយណូស័រយឺត ។ បន្ទាប់មក YUV ឈានជើងចូលទៅក្នុងសង្វៀន ដោយផ្តល់នូវតុល្យភាពដ៏ល្អឥតខ្ចោះនៃគុណភាព ល្បឿន និងប្រសិទ្ធភាពទិន្នន័យ។ ប្រព័ន្ធផ្ទុកដ៏ឆ្លាតវៃរបស់វា (បំបែកពន្លឺចេញពីពណ៌ដែលបានបង្ហាប់) អនុញ្ញាតឱ្យអ្វីៗដែលនឹងក្លាយជាសុបិន្តអាក្រក់ក្នុងការគណនានៅក្នុង RGB ។

• ទិន្នន័យតិចជាង = ល្បឿនកាន់តែច្រើន។ គ្មាន​នរណា​ម្នាក់​ចង់​បាន​មេកាបៃ​បន្ថែម​ដែល​បន្ថយ​ល្បឿន​ដំណើរការ​វីដេអូ​ក្នុង​ពេល​ពិត​ទេ។
• ភ្នែកមិនកត់សំគាល់ល្បិចទេ ។ ខួរក្បាលរបស់យើងផ្តោតលើរូបរាង មិនមែនការបាត់បង់ពណ៌តិចតួចទេ - YUV ទាញយកអត្ថប្រយោជន៍ពេញលេញពីវា។
• AI យកចិត្តទុកដាក់ចំពោះ FPS មិនមែនពណ៌ចម្រុះទេ ។ នៅពេលដែលអ្នកមានត្រឹមតែ 16ms ក្នុងមួយស៊ុម YUV លុបបំបាត់ការគណនាដែលមិនចាំបាច់ និងរក្សាទុកធនធាន។
• GPUs ចូលចិត្ត YUV ។ កូឌិកបង្កើនល្បឿនផ្នែករឹង ការគណនាលឿន និងការបំប្លែងទ្រង់ទ្រាយតិចតួចបំផុត—អ្វីគ្រប់យ៉ាងដែលអ្នកត្រូវការសម្រាប់វីដេអូដែលមានប្រសិទ្ធភាពខ្ពស់។

សាលក្រមចុងក្រោយ

RGB គឺអស្ចារ្យណាស់ — ប៉ុន្តែមិនមែនជាកន្លែងដែលដំណើរការជាក់ស្តែង និង AI ត្រូវបានចូលរួមនោះទេ។ នៅក្នុងការស្ទ្រីមវីដេអូ YUV គឺជាអ្នកធ្វើការពិតប្រាកដ ហើយបាននិងកំពុងផ្តល់ថាមពលដល់ដំណោះស្រាយសំខាន់ៗជាច្រើនឆ្នាំមកហើយ។

ដូច្នេះប្រសិនបើអ្នកនៅតែគិតថា RGB គឺជាស្តេច វាដល់ពេលដែលត្រូវគិតឡើងវិញហើយ។ ទម្រង់​វីដេអូ​បាន​លេង​ជា​យូរ​មក​ហើយ​ដោយ​ច្បាប់​ផ្ទាល់​ខ្លួន​របស់​ពួកគេ។