Pipeline progresiva
La comparación empieza con controles económicos y llega a la verificación más costosa solo para candidatos plausibles. Un prefiltro muestreado precede al SHA-256 completo; cinco fotogramas realizan el cribado, veinticuatro construyen la huella y cuarenta y ocho verifican el resultado. Una verificación incompleta queda pendiente o falla de forma segura.
- SHA-256 completo para copias con los mismos bytes.
- 5 fotogramas para cribado inicial.
- 24 para la huella temporal.
- 48 para verificación final.
Cómo interpretar los resultados
Un duplicado exacto tiene una prueba criptográfica. “Mismo video” y “match probable” derivan de huellas visuales coherentes a lo largo de la duración y exigen revisar fotogramas, ruta, tamaño y calidad. La confianza ayuda a ordenar el trabajo, pero no sustituye la decisión del usuario ni justifica una eliminación automática.
- Duplicado exacto: SHA-256 completo igual.
- Mismo video: coherencia visual fuerte del video completo.
- Match probable: suficiente para revisar, no para eliminar.
Límites técnicos actuales
La pipeline alinea muestras en posiciones relativas de la misma duración; no busca una secuencia dentro de otro video. Por eso segmentos, offsets, montajes, velocidad, reverse, crop, reframing y reutilización en timeline no son fiables. El audio está excluido y Similiter no lee grafos, líneas de tiempo o dependencias NLE.
- Sin búsqueda de segmentos.
- Sin comparación de audio.
- Sin interpretación de proyectos NLE.
- Sin normalización de crop, espejo, reverse o velocidad.
Rendimiento y benchmarks
No hay un benchmark reproducible publicado para bibliotecas grandes, por lo que no se prometen tiempos para miles de archivos o terabytes. Un benchmark fiable deberá indicar versión, hardware, corpus, códecs, archivos, horas y TB, primer análisis, caché, errores, falsos positivos y criterios de verificación.
- Los análisis repetidos pueden reutilizar datos de archivos sin cambios.
- La velocidad depende de códec, duración, almacenamiento y decodificación.
- Solo se publicarán cifras con corpus y método reproducibles.