Hi，大家好！我是Netflix的工程副总裁Anthony Park。Netflix跟Oculus目前在合作开发一款适用于Samsung Gear VR的Netflix应用。其中的“Netflix Living Room（Netflix起居室）”能让用户随时随地借助Gear VR头盔来体验Netflix打造的温馨虚拟起居室。该应用现已上线供Oculus用户下载。 我们跟Oculus的CTO兼王牌程序员John Carmack密切合作，为Gear VR头盔添加了TV用户界面。其实是John完成了大部分开发！所以这次邀请他做特约博主，与大家分享新应用的开发经验。接下来就让John带着我们一睹为快吧！
Gear VR上的Netflix Living Room The Netflix Living Room 铁杆玩家也好，虚拟空间也罢，抛开抽象的专业术语，很多人只想简单来点VR（虚拟现实）观影体验。其实Samsung在开发Gear VR时，其内部就采用了“头戴式影院（Head Mounted Theater）”的定义，简称HMT。当前的VR头盔暂且不能媲美真正的高端家庭影院，但便携的优势让你随时随地把家庭影院带在身边。 上月，我们来自Oculus的员工在Netflix总部开了个会。看情形一切都很顺利，我忍不住脱口而出：“有个能干的工程师就没问题，明天开始吧！”这话似乎太乐观了点儿，好在差不多一周后，Vijay Gondi和Anthony Park从Netflix总部（加州，洛斯盖多斯市）赶到达拉斯市（德州），第二天就让UI在VR中顺利运行了，很快视频也能播放了——我们成功了！ 我们的“绝地反击”是将Netflix TV代码库呈现在VR的TV屏幕上。如果一切顺利，那么Netflix代码即使在普通的2D屏幕上也能不断获取事件，绘制图像。 我开发了一个“VR 2D Shell（虚拟现实2D外壳）”应用，相当于简化版的Oculus Cinema（观影模式）应用；大屏幕用顶尖的TimeWarp图层支持（layer support）来渲染，显示内容不同，动态灯光效果也不同。凡是能用纹理渲染的东西都能放在大屏幕上。 Netflix核心应用使用用户界面层和视频解码层，这两个Android Surface须作为OpenGL纹理才能在VR中呈现出来。具体做法是：创建一个OpenGL纹理ID来初始化一个SurfaceTexture对象，再用这个SurfaceTexture对象初始化一个Surface对象，传给Netflix。 这一做法很适合UI界面——当Netflix代码使用Swapbuffers时,VR代码可帮助更新SurfaceTexture,将最新图像转为EGL外部图像,然后由GPU纹理映射到几何图像上。 视频图层就比较麻烦了。为确保回放流畅,视频帧都是标着“启动时间”提前半秒排队，而Android窗口图像合成器需要“启动时间”，好来得及挑选最好的画面。SurfaceTexture界面相当于普通的用户程序，只有一个“Update”方法来返回上传的最新图像。所以视频才比音频早半秒，而且音频卡得厉害。 要解决这个问题,得对Netflix视频解码系统做点小调整，好让它在画面提交后立刻回应我的VR代码,我就知道系统提交了新的画面以及启动时间用了多久，然后立即更新Surface texture，将它复制到我自己的帧队列中，同时保存启动时间。这样的做法缺点是太浪费内存，因为我一直在复制已在Surface上缓冲了的十多个视频帧；但优点是，我可以自己控制时间。 最开始信息输入由仿效遥控器LRUD / OK按钮的蓝牙Joypad（模拟游戏手柄程序）处理,但是否能做到仅用Touchpad来操控对Gear VR很重要。我们首选的VR界面是“一瞄一点”式的——在VR中，光标就漂浮在你眼前,只需像鼠标一样轻点即可。一般来说，这比游戏手柄好控制一点,但不如鼠标方便,需要大幅度转动头部尤其麻烦。Netflix虽然支持光标,但还做不到很多人设想的随关随开。 后来我们受到启发，做了改进。电影开始播放时，光标自动隐藏；手指滑动时不会更新光标，触发操作，因为只有当它抬起而不是按下时才能执行操作。这一方案并不完美，但也很不错了。
Netflix Living Room中的Android Surfaces分层 Display（显示） Gear VR屏幕分辨率均为2560x1440,一分为二后，两眼各占1280x1440，几乎覆盖90度的视野。之前体验过Oculus头盔的人会发现Gear VR屏幕的像素密度是DK2的两倍多，DK1的四倍多。乍一听可能觉得这视频分辨率挺不错，但真相是——没多少人希望TV屏幕覆盖90度的视野，就算是真实世界里的大屏幕通常也只占45度而已。 头盔中的光学元件会放大图像,将你的目光吸引过去。但却会引发大幅度空间失真和色差两个问题。失真状态下的像素全部挤到中间,呈从里向外延伸的趋势,而显眼的中间位置上，分辨率反而更高了。为整体内容设置一个理想的分辨率非常困难。若用mip映射调整中间的像素，就会损失外围的像素；如果调整外围的像素，那中间的像素就会被拉开。 通常移动的合成环境下,我们会将3D渲染效果图调整到适合外围的大小，两眼各占约1024x1024。在顾及整体性能的前提下，中间位置可能会有点儿模糊。在高端PC系统上，即使实际的头盔分辨率低于Gear VR，有时高分辨率场景经过渲染后，显示屏中间仍能获取最大值，不论mip映射后的大部分像素是不是混杂在一起。 Netflix用户界面的图像分辨率大概是1280x720，若渲染后变成一个覆盖60度视野的巨大虚拟TV屏幕，两眼各呈现1024x1024的缓冲图像，那么图像会变得模糊，因为损失了3/4的像素。 mip映射后的图像会是一团糟，而且当头部微微随画面变换而转动时，眼前呈现的文字也会迅速变模糊。 为了解决这个问题，我们的方法是：专门为视野中的屏幕编写一个代码，这样在必要的失真度计算完成后，屏幕可直接采集一个纹理矩形图像，跟原本的eye buffers结合在一起。这些是我们的“Time Warp图层”，虽然灵活性有限,但虚拟屏幕非常清晰（Oculus 360相册中的全景式立方地图也是）。如果Joypad绑定了手机，可直接通过启动按钮切换该功能。UI变得大不同，视频内容也大大提升。 不过这相当于在900像素的屏幕上绘制一个宽为1280像素的UI，损失是无法避免的。屏幕中间的图像因为失真而有点拉宽了。UI中的像素清晰可辨。越是外围区域,特别是角落,UI像素就混杂得越厉害。一些Netflix的UI布局不太合理；角落里的文字更难看清。 4K和全高清？还是算了吧。720p高清对如今的VR头盔来说已属最高像素了。 再来谈谈内容保护（content protection）。大多数工作室坚持高清内容需要一个安全的执行环境,将盗版风险降到最低。现代Android系统的视频编解码器可以解码成特殊的内存缓冲器,只有视频屏幕扫描硬件可以读取其中的内容；在CPU和GPU上，不受信任的软件无法在缓冲器中窃取图像。图像窃取通常发生在硬件层面,比起软件保护，这一类问题更不容忽视。 问题是，要在VR下绘制一个虚拟TV屏幕,GPU必须读取电影的surface纹理。最近应用扩展又囊括了新的机型，所以我们可以把整个GPU framebuffer移到受保护的内存中,然后读取受保护的纹理。但由于不能在其他地方编码，所以无法使用mip映射。屏幕中心可以是高分辨率，但外围会失真，而且会损失以1x1屏幕mip映射为基础的动态环境灯光效果。而且用户定时队列几乎不可能获取同步音频。 唯一合理的做法是将视频流限制为720x480的SD分辨率。要不是考虑到执行环境的安全性，我可能会选择更高分辨率。就算是这么低的分辨率，边边角角的像素还是有点混杂。 VR下的SD视频帧流程图 理想条件下，VR中的比特率/分辨率的平衡点略有不同。如果是Retina显示频，很多原本看不见的压缩伪影因为VR上像素急剧放大而无处可藏。有效分辨率有固定数值，但所有可见的压缩伪影没有固定数值的比特率。 Power Consumption（电量消耗） 对于观影应用来说，电量消耗当然比动作小游戏更重要了。我的目标是：70%的电量仍能支持一部两小时的电影。优化之后，这个目标实现了，但VR应用消耗的电量仍是标准Netflix Android应用的两倍多。 现代Android系统播放视频时,应用只是随机从网络上获取高度压缩的视频数据，继而放在硬件视频编码解码器上，待解压后存入私人缓冲区,然后由执行YUV转换的硬件composer块读取；应用直接根据显示频来调整画面大小，不用在framebuffer上再编写一个中间值。GPU甚至在电量耗光后才关闭——这太了不起了——要知道不久前，PC软件完成上述过程消耗的电量可能达到100倍以上。 除了标准应用在VR中发挥作用之外,我们还渲染了立体3D场景，每一幅画面都包含成千上万的三角形和好几兆的纹理；之后再次通过渲染校正失真的画面。 我第一次采取的最直接了当的方式，就是用UI和视频图层复合成每一帧画面。不到20分钟，手机就迅速升温到极限。整个过程中，我们不断探索简化工作流程的方法，同时力求将质量损失降到最低。 一般观影体验纯粹只是看视频而已，单单mip映射，显示一个720x480的图像就够了,不需要1280 x720的UI。Netflix代码库并不能帮助判断UI surface什么时候完全变成透明的，所以我从之前画面帧的UI组合上回读1x1单像素mip映射，然后再看alpha通道：0表示UI是完全透明的,电影surface自动形成；255表示UI是不透明的,电影surface可以忽略。介于两者之间的数值则意味着它们需要合成在一起。结果就有点出人意料——耗电量因字幕而明显增加。 最开始我将VR光标放入UI组成surface，再在VR中执行光标；UI组成能有效反映交点计算情况，但也意味着：即使UI完全静止，每一画面帧也会出现一个UI组成。把VR光标放回到它自己的3D几何图形中，只要其他条件没变，屏幕就继续使用之前的组合；浏览内容时，通常只呈现多一半的画面。 VR系统的一大特征是“异步Time Warp”,就是说，随头部移动而进行的屏幕重绘和失真校正从应用绘制的3D世界中解耦了。理想情况下,应用每秒绘制60个与Time Warp同步的立体镜头；如果应用未能传递一组新画面，Time Warp会重新使用最近用过的一个画面，根据最新的头部信息追踪对其进行再投射。如果在静态的环境下环顾四周，这种方式效果很好；但视野中的物体平稳移动时，或者你的视角在物体表面移动时，局限性就显现出来了。 视频内容是30或24帧/每秒（fps），且没有VR视点运动,所以电影回放时，我把画面更新速度限制到30帧/每秒，大大节约了电量。屏幕重绘仍然是60帧/每秒，这样回顾四周的时候，画面就不再“波涛起伏”了。灯光亮起，画面回到60帧/每秒；如果换做30帧/每秒，VR光标和滚动画面看起来会糟糕很多。 对VR环境没有那么挑剔的话，推荐体验“void theater（空白影院）”，里面除了视频屏幕，全是黑白色的，当然很省电。如果省略失真校正，一直到人脸解锁屏幕出现,其本质上消耗的电量跟普通的Netflix应用无异,不过画面会很丑，让人不舒服。 一年前，在考虑Gear VR的成功必备因素时，我列了一个小清单。其中一项便是Netflix。我们赶在了Oculus Connect开发者大会之前，在这么短的时间里就成功开发出这一应用，实在很有成就感了。现在终于可以舒舒服服卧在我的虚拟沙发上，看全季的《超胆侠》了——为了测试应用啊，这还用说？ -John 文章来源：The Netflix Tech Blog，译者：张新慧，审校：唐小引 |
