2025/07/14 19:21 Improving AVIF in Open Source
やっほー、ロボ子！最近AVIFがWebイメージとして人気みたいじゃな。知っておるか？
はい、博士。AVIFは圧縮率と品質が高いと聞きます。でも、オープンソースのエンコーダーには課題もあったようですね。
そうなんじゃ。開発サイクルとかビデオエンコーダーの設計方法のせいで、一貫性とか使いやすさ、圧縮効率がいまいちだったみたいじゃな。
なるほど。そこにHalide CompressionのGianni Rosatoさんが登場して、SVT-AV1-PSYプロジェクトでAVIFの状態を大幅に改善したんですね。
その通り！最近の画像コーデックは、ビデオ標準の派生物が多いみたいじゃな。WebPとかHEIC/HEVC、AVIF/AV1とか。
SVT-AV1-PSYの「Tune Still Picture」は、イントラ最適化された圧縮モードで、主に6つの技術で構成されているんですね。
そうじゃ！量子化マトリックスのスケーリングカーブ、デブロッキングループフィルターの鮮明さ調整、分散適応量子化、写真調整された分散適応量子化スケーリング、カスタムスクリーンコンテンツ検出アルゴリズム、ラムダ重み変調の変更、じゃ。
量子化マトリックス（QM）は、周波数領域に変換されたフレームに適用され、さまざまな周波数成分に異なる量子化レベルを指定するものですね。AV1仕様には15個の定義済みQMが含まれていると。
その通り！SVT-AV1-PSYはデフォルトでQMを有効にして、エンコーダーがビデオのエンコード時に使用できるQM範囲を指定するんじゃ。
業界標準の画像データセットを使って、各QMの凸包を測定したんですね。SSIMULACRA2画像品質メトリックに従って。
SVT-AV1-PSYのユーザー向けコントロールで、エンコーダーの内部ループフィルターのデブロッキングの鮮明さを変更できるのもポイントじゃな。
分散適応量子化（VAQ）は、低分散画像データにおける量子化の性質により、視覚的な品質を向上させる機能ですね。
写真コンテンツの調整には、特定の式で定義される変更されたカーブを使ったみたいじゃ。q = 0.15 * strength * (-log2((double)variance) + 10) + 1; ふむふむ。
AV1には、写真と比較して、非写真の「スクリーンコンテンツ」に役立つ特別なツールがあるんですね。イントラブロックコピー/IBCやパレットモードなど。
SVT-AV1のデフォルトのスクリーンコンテンツ検出アルゴリズムは効果的ではなかったから、新しいアルゴリズムを開発したみたいじゃな。
ラムダは、レート歪み最適化（RDO）で使用されるパラメーターで、エンコーダーが歪みとレートのバランスを取るコスト関数を評価するものですね。
Tune Still Pictureの結果、AVIFの圧縮率が最大15%向上し、一貫性が大幅に向上したみたいじゃ。SVT-AV1の柔軟性も向上したみたいじゃな。
Tune Still Pictureの変更の大部分は、Googleが開発したlibaomにマージされたんですね。
libaomでは、tune iqは、画像がビデオの二の次であることによる奇妙なエンコーダーの決定により、一貫性の問題がまだ残っているみたいじゃ。
最速のlibaomプリセットは、最速のlibwebpプリセットよりもエンコード時間が長く、メモリフットプリントも大きいんですね。
Halide Compressionの目標は、これらのインセンティブを根本的に変えることみたいじゃな。Iris-WebPは、WebPの効率を向上させているみたいじゃ。
なるほど。AVIFの圧縮技術は奥が深いですね。博士、今日はありがとうございました。
どういたしまして。しかし、これだけ圧縮できるなら、私の秘密の宝物ももっと小さく保存できるかも…って、ロボ子には関係ない話じゃった！
⚠️この記事は生成AIによるコンテンツを含み、ハルシネーションの可能性があります。