Ze względu na nowatorski sposób przetwarzania obrazu, standard kompresji MPEG4 będzie odgrywał bardzo istotną rolę w rozwoju technik multimedialnych. Przewiduje się, że w niedalekiej przyszłości stanie się on kluczowym elementem w systemach trzeciej generacji i dzięki swoim ogromnym możliwościom interakcji zmieni zupełnie obecne oblicze Internetu i telewizji.

Standard MPEG4 reprezentuje zupełnie nową jakość w rozumieniu kodowania strumienia multimedialnego. Opracowany został w 1998 roku na mocy międzynarodowej normy IS0-14496. Nowy standard kompresji i transmisji danych multimedialnych definiuje bardzo efektywne metody reprezentacji tych danych, bazujące na zbiorach w postaci tzw. obiektów audiowizualnych AVO (ang. AudioVisual Object). To nowatorskie podejście, określane jako Object-Based Code, definiuje scenę audiowizualną jako zakodowaną reprezentację obiektów AVO, związanych ze sobą relacjami i koordynatami przestrzenno-czasowymi.

Naturalną konsekwencją podejścia obiektowego jest używanie terminologii stosowanej w metodologiach zorientowanych obiektowo. Szczególnie istotnymi jej elementami są pojęcia: wspomnianego już obiektu, metody, interfejsu i klasy. Definicja klasy określa struktury danych i metody ich przetwarzania. Obiekty audiowizualne mają charakter hierarchiczny i mogą być konstruowane jako złożenie z innych obiektów.

Obiektem może być samochód poruszający się po drodze, niebieskie tło na planie czy padający deszcz. Efekty dźwiękowe mają również swoją obiektową reprezentację, np. dźwięki wydawane przez klarnet stanowią element grupy obiektów, jakim jest orkiestra. Ich wspólne relacje przestrzenno-czasowe tworzą spójny obraz multimedialny. Takie rozumienie scen audiowizualnych poprzez podział na elementarne obiekty niesie ze sobą ogromne możliwości interakcji, o których nie mogło być mowy w poprzednich standardach (MPEG1, MPEG2), operujących na blokach pikseli. Elementy sceny, stanowiące obiekty, mogą być z tej sceny wyodrębnione i dowolnie modyfikowane.

Wyobraźmy sobie stronę WWW z treścią multimedialną zakodowaną w standardzie MPEG4. Witryna przedstawia film ze spotkania towarzyskiego. Ludzie rozmawiają ze sobą, niektórzy poruszają się po scenie w rytm muzyki. Zgodnie z zastosowaną technologią obiektową każdej osobie przyporządkowany jest obiekt opisujący jej kształt, dynamikę ruchu i inne atrybuty. Dzięki takiemu rozwiązaniu kliknięcie na daną, będącą w ruchu, osobę może wyzwolić akcję w postaci wyświetlenia informacji na jej temat lub połączenia się z jej stroną domową. Taki pomysł byłby bardzo trudny do zrealizowania przy klasycznym, "ramkowym" podejściu do przekazu multimedialnego, gdzie reprezentowane jako zbiór pikseli osoby, stanowiące elementy sceny jako całości, nie mogą być wyodrębnione w prosty sposób.

Kolejnym zastosowaniem mogłaby być multimedialna baza obiektów (wizyjnych i fonicznych, naturalnych i komputerowo syntetyzowanych), która umożliwiałaby dowolne komponowanie własnych sekwencji scen audiowizualnych.

W architekturze komunikacyjnej standardu MPEG4 rys. 9.1 grupa obiektów audiowizualnych jest przesyłana do dekodera MPEG4. Przed rozpoczęciem transmisji danych koder i dekoder wymieniają informacje kontrolne, określające klasy algorytmów oraz narzędzi niezbędnych w procesie dekodowania obiektów AVO. Następnie w koderze uruchamiane są procesy zabezpieczania przed błędami, multipleksacja i wysłanie danych. W multiplekserze wszystkie strumienie elementarne łączone są w jeden strumień danych (w standardzie przewiduje się do 1024 strumieni elementarnych). W dekoderze dokonuje się operacja odwrotna: dane są demultipleksowane, dekodowane, a następnie składane i prezentowane użytkownikowi.
W standardzie MPEG4 zaimplementowane zostały zaawansowane mechanizmy korekcji i ochrony przed błędami. Istotne jest to, że obiekty AVO kodowane są niezależnie od swojego otoczenia czy tła, co oznacza, że nie są traktowane jako jeden strumień bitowy, jak w standardach poprzednich. Ten fakt powoduje, że obiekty niosące ważne informacje mogą być kodowane w sposób bardziej odporny na błędy. O tym, którym partiom bitów przypisana zostanie większa waga, decyduje użytkownik (lub koder). Możliwe jest wówczas manipulowanie (interakcja) strumieniem bitowym. Jeśli użytkownik stwierdzi, że tło sceny jest mało istotne, wówczas zostanie zakodowane z mniejszą rozdzielczością przestrzenną bądź w ogóle pominięte.

Rys. 9.1. Architektura komunikacyjna standardu MPEG4 i kodowanie oraz
dekodowanie obiektów AVO [16]

Struktura sygnału cyfrowego w standardzie MPEG4 jest bardzo złożona. Autorzy standardu uznali, że nie zawsze pełna implementacja standardu jest konieczna i celowa. Dlatego też wprowadzono podział całej struktury na podzbiory, zwane profilami, które reprezentują cechy i narzędzia standardu w zależności od zastosowań.

Klasy profili w standardzie MPEG4

Scene Profiles - profile systemowe, które obejmują:

• simple profiles - jako zespół narzędzi do kodowania i przetwarzania przekazu telewizyjnego
• audio profiles - narzędzia do przetwarzania wyłącznie obiektów audio
• 2D profiles - wykorzystywany do operacji na prostej grafice dwuwymiarowej
• VMRL profiles - narzędzia standardu MPEG4, zgodne z VMRL - językiem modelowania grafiki komputerowej

Media Profiles - narzędzia do przetwarzania i tworzenia obiektów audiowizualnych:

• visual profiles - narzędzia do kodowania i przetwarzania obrazów rzeczywistych
• syntetycznych i scen zawierających elementy sztuczne i rzeczywiste
• graphics profiles - przetwarzanie 2D i 3D
• audio profiles - przetwarzanie audio (algorytmy AAC, Twin VQ).

Object Descriptor Profiles - profile, w których są zawarte informacje synchronizujące relacje czasowe między obiektami.

W ramach profili zdefiniowana została bardzo ważna cecha standardu, jaką jest skalowanie (scalability). Oznacza to, że w zależności od tego, jaka ma być żądana jakość obrazu i dźwięku lub na jaką jakość zezwala kanał transmisyjny - kodowanie treści multimedialnych (obiektów AVO) może zachodzić z różną dokładnością i mocą obliczeniową. Stanowi to bardzo korzystny mechanizm, ponieważ zezwala na propagowanie sekwencji audiowizualnych w sieciach oferujących różne przepustowości. Ponadto warstwa systemowa standardu MPEG4 pozwala na współpracę z różnymi sieciami komunikacyjnymi (DECT, GSM, PSTN, ISDN, ATM, Internet itd.) i nośnikami informacji (dyski optyczne, magnetyczne, karty elektroniczne itd.). Równocześnie strumień bitowy MPEG4 dostosowuje się do możliwości i mocy obliczeniowej kodera oraz dekodera. Jeśli przetworzenie danej sceny AV jest zbyt skomplikowanym zadaniem, wówczas dekodowana i prezentowana jest tylko ta część strumienia z treścią multimedialną, którą dekoder może "przetworzyć".

Rys. 9.2. MPEG4 zawdzięcza swoją elastyczność i uniwersalność profilom struktury
sygnału, które pozwalają dostosować transmisję do przepustowości medium i mocy obliczeniowej kodeków [16]

Ta uniwersalność, wynikająca z niezależności od platformy sprzętowej oraz transmisyjnej (możliwość pracy w środowiskach o zmiennej przepustowości sieci komunikacyjnej), pozwala implementować wiele różnych aplikacji, wykorzystujących kompresję MPEG4.
Oto tylko niektóre z możliwych zastosowań:

• AoD - Audio on Demand w Internecie. Strumień MPEG4 audio, o prędkości 16 kb/s, daje dobrą jakość na poziomie przepustowości, jaką oferuje obecnie Internet. Pozwoli to na tworzenie prawdziwie wirtualnych i dynamicznych witryn WWW z możliwością interakcji.
• Składowanie treści multimedialnych na czytnikach optycznych CD, DVD (popularny DivX - jako format MPEG4).
• VoD - Video on Demand w telewizji cyfrowej, a w przyszłości także w Internecie. MPEG4 w sposób naturalny zapewnia QoS (Quality of Service), czyli odtwarzanie z różną jakością dzięki mechanizmom skalowania i profilowania.

Wideo telefonia mobilna i stacjonarna

Standard MPEG4 oferuje transmisję audio-wideo (różnej jakości) z bardzo dużą i efektywną kompresją w sieciach o małych przepustowościach oraz ma rozbudowane mechanizmy korekcji i ochrony przed błędami. Powoduje to, że jest on niezwykle korzystny w zastosowaniach radiokomunikacyjnych, które z definicji są narażone na błędy transmisji i mają ograniczoną przepustowość. Standard MPEG4 umożliwia minimalną transmisję wideo na poziomie około 10 kb/s z nie najlepszą, co prawda, ale zadowalającą jakością. Odpowiada to szybkości transmisji mowy w systemie GSM! Niedługo wideotelefony oparte na istniejącej obecnie infrastrukturze radiokomunikacyjnej (DECT, GSM, CDMA) staną się normą.

Powszechnie się uważa, że standard MPEG4, odpowiedzialny za transmisję audio-wideo, znajdzie zastosowanie w systemach trzeciej generacji UMTS (Universal Mobile Telecommunications System), w których przekaz treści multimedialnych stanowi jedno z podstawowych zadań. Prace nad wdrażaniem tego typu usług zostały już rozpoczęte. Jedną z pierwszych firm jest Ericsson, który we własnych ośrodkach badawczych pod Sztokholmem udostępnił zainteresowanym pokazy wideo konferencyjne, prowadzone z terminala mobilnego, poruszającego się po ulicach miasta. Transmisja odbywa się na podstawie wielodostępu kodowego WB-CDMA (WideBand Code Division Multiply Access) z prędkością około 300 kb/s właśnie z wykorzystaniem kompresji MPEG4.