影视飓风
近日,B 站知名 Up 主「影视飓风」发布了一期视频,名字为《清晰度不如4年前!视频变糊是你的错觉吗?》,但因为背后牵扯的利益太重,最终视频不得已全网下架。
没有第一时间看过视频的你,相信一定和我一样好奇,视频到底讲了什么,背后牵扯到的蛋糕到底有多大。
互联网是有记忆的,发布过的东西就不可能毫无痕迹,即使发布者本身要全面下架,也不行。
我从海的那里找到了原视频,感兴趣的大家可以趁热观看:
播放地址
为了防止视频被动丢失,这里再简单总结一下视频内容:
国内所有视频平台,为了节省存储和带宽,都对发布者的作品进行"压缩",这很正常,其他视频网站也都这么干的。
但和其他视频网站不同的是,国内视频网站为了将成本压缩到极致,会采用一些不能确保用户体验的做法,最终为了"保能看"而"不保好看",甚至于发布者上传两种清晰度的视频,高清的版本经过平台处理后,最终的播放效果还不如低清的版本。
这已经严重违背了用户「选择高清格式,是为看品质更高的视频」(甚至还是付费实现的),以及 Up 主「运用更昂贵的拍摄设备,是为了给用户呈现更好的内容」等初衷。
这还不是最离谱的。
某些平台,除了运用影响观感的压缩算法,平台甚至还会对原视频"动手",例如增加视频的"锐度",使其"看起来"更加清晰,但实则会丢失了大量细节。
而这一切,都仅仅为了能够极致地压缩成本。
要知道,国内视频平台普遍都实现了年几十亿的盈利,但还要做到这个程度,属实不应该。
...
考虑到大多数网友和我一样,对影视行业的专业知识了解不深,也不知晓"行业标准"到底如何。
这里再大概分享一些著名视频平台的码率,以 4K 视频为例:
-
YouTube:15 Mbps ~ 18 Mbps -
Netflix:20 Mbps ~25 Mbps(保守估计) -
Amazon:20 Mbps ~25 Mbps(保守估计) -
HBO: 20 Mbps ~25 Mbps(保守估计) -
某奇艺:2 Mbps ~ 5 Mbps(乐观估计) -
某讯视频:2 Mbps ~ 5 Mbps(乐观估计) -
某酷:2 Mbps ~ 5 Mbps(乐观估计)
简单来说,你可以将「码率」和「清晰度 + 流畅度」简单关联,如果一个视频码率过低,清晰度和流畅度都会大打折扣,通过和一些国际视频平台的码率对比,你应该知道视频说的"降低码率"有多离谱了。
...
回归主题。
来一道和 DP 相关的算法题。
题目描述
平台:LeetCode
题号:115
给定一个字符串 s
和一个字符串 t
,计算在 s
的子序列中 t
出现的个数。
字符串的一个 子序列 是指,通过删除一些(也可以不删除)字符且不干扰剩余字符相对位置所组成的新字符串。(例如,"ACE"
是 "ABCDE"
的一个子序列,而 "AEC"
不是)
题目数据保证答案符合 32
位带符号整数范围。
示例 1:
输入:s = "rabbbit", t = "rabbit"
输出:3
解释:
如下图所示, 有 3 种可以从 s 中得到 "rabbit" 的方案。
(上箭头符号 ^ 表示选取的字母)
rabbbit
^^^^ ^^
rabbbit
^^ ^^^^
rabbbit
^^^ ^^^
示例 2:
输入:s = "babgbag", t = "bag"
输出:5
解释:
如下图所示, 有 5 种可以从 s 中得到 "bag" 的方案。
(上箭头符号 ^ 表示选取的字母)
babgbag
^^ ^
babgbag
^^ ^
babgbag
^ ^^
babgbag
^ ^^
babgbag
^^^
提示:
-
s
和t
由英文字母组成
基本思路
有两个字符串 s
和 t
,长度数量级都为 。
一个朴素的想法是,找出所有 s
的子序列,与 t
进行比较,找所有子序列的复杂度是 ,肯定会超时。
因此,我们放弃这种朴素思路。
字符串匹配也不具有二段性质,不可能有 级别的算法,那么复杂度再往下优化就是 的递推 DP 做法了。
动态规划
DP 的状态定义猜测通常是一门经验学科。
但是,对于两个字符串匹配,一个非常通用的状态定义如下:
定义 为考虑 s
中 个字符,t
中 个字符的匹配个数。
那么显然对于某个 而言,从「最后一步」的匹配进行分析,包含两类决策:
-
不让 s[i]
参与匹配,也就是需要让s
中 个字符去匹配t
中的 字符。此时匹配值为 -
让 s[i]
参与匹配,这时候只需要让s
中 个字符去匹配t
中的 字符即可,同时满足s[i]=t[j]
。此时匹配值为
最终 就是两者之和。
Java 代码:
class Solution {
public int numDistinct(String s, String t) {
// 技巧:往原字符头部插入空格,这样得到 char 数组是从 1 开始
// 同时由于往头部插入相同的(不存在的)字符,不会对结果造成影响,而且可以使得 f[i][0] = 1,可以将 1 这个结果滚动下去
int n = s.length(), m = t.length();
s = " " + s;
t = " " + t;
char[] cs = s.toCharArray(), ct = t.toCharArray();
// f(i,j) 代表考虑「s 中的下标为 0~i 字符」和「t 中下标为 0~j 字符」是否匹配
int[][] f = new int[n + 1][m + 1];
// 原字符只有小写字符,当往两个字符插入空格之后,f[i][0] = 1 是一个显而易见的初始化条件
for (int i = 0; i <= n; i++) f[i][0] = 1;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= m; j++) {
// 包含两种决策:
// 不使用 cs[i] 进行匹配,则有 f[i][j] = f[i - 1][j]
f[i][j] = f[i - 1][j];
// 使用 cs[i] 进行匹配,则要求 cs[i] == ct[j],然后有 f[i][j] += f[i - 1][j - 1]
if (cs[i] == ct[j]) f[i][j] += f[i - 1][j - 1];
}
}
return f[n][m];
}
}
C++ 代码:
class Solution {
public:
int numDistinct(string s, string t) {
int n = s.length(), m = t.length();
s = " " + s;
t = " " + t;
vector<vector<unsigned long long>> f(n + 1, vector<unsigned long long>(m + 1, 0));
for (int i = 0; i <= n; i++) f[i][0] = 1;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= m; j++) {
f[i][j] = f[i - 1][j];
if (s[i] == t[j]) f[i][j] += f[i - 1][j - 1];
}
}
return f[n][m];
}
};
Python 代码:
class Solution:
def numDistinct(self, s: str, t: str) -> int:
n, m = len(s), len(t)
s = " " + s
t = " " + t
f = [[0]*(m + 1) for _ in range(n + 1)]
for i in range(n + 1):
f[i][0] = 1
for i in range(1, n + 1):
for j in range(1, m + 1):
f[i][j] = f[i - 1][j]
if s[i] == t[j]:
f[i][j] += f[i - 1][j - 1]
return f[n][m]
TypeScript 代码:
function numDistinct(s: string, t: string): number {
const n: number = s.length, m: number = t.length;
const f: number[][] = new Array(n + 1).fill(0).map(() => new Array(m + 1).fill(0));
for (let i: number = 0; i <= n; i++) f[i][0] = 1;
for (let i: number = 1; i <= n; i++) {
for (let j: number = 1; j <= m; j++) {
f[i][j] = f[i - 1][j];
if (s.charAt(i - 1) === t.charAt(j - 1)) f[i][j] += f[i - 1][j - 1];
}
}
return f[n][m];
};
-
时间复杂度: -
空间复杂度:
总结
-
关于字符串匹配,通常有两种(你也可以理解为一种)通用的状态定义:
-
表示「第一个字符 s
中 个字符」与「第二个字符t
中 个字符」的匹配结果 -
表示「第一个字符 s
中 个字符」与「第二个字符t
中 个字符」且 「最后一个字符为t[j]
」的匹配结果
-
往两个字符串的头部追加「不存在」的字符,目的是为了能够构造出可以滚动(被累加)下去的初始化值
进阶
事实上,关于字符串匹配问题,还有一道稍稍不同的变形的题目。
也是利用了类似的「通用思路」(状态定义) &「技巧」,然后对匹配过程中的字符进行分情况讨论,学有余力的同学可以看看:如何利用的「等差」性质降低「正则字符串匹配」算法复杂度
最后
巨划算的 LeetCode 会员优惠通道目前仍可用 ~
使用福利优惠通道 leetcode.cn/premium/?promoChannel=acoier,年度会员 有效期额外增加两个月,季度会员 有效期额外增加两周,更有超大额专属 🧧 和实物 🎁 福利每月发放。
我是宫水三叶,每天都会分享算法知识,并和大家聊聊近期的所见所闻。
欢迎关注,明天见。
更多更全更热门的「笔试/面试」相关资料可访问排版精美的 合集新基地 🎉🎉