[論文レビュー] Guetzli: Perceptually Guided JPEG Encoder

Alakuijala, Jyrki, Robert Obryk+4 more|arXiv (Cornell University)|Mar 13, 2017

Advanced Image Processing Techniques参考文献 1被引用数 26

ひとこと要約

Guetzli は、人間の視覚系モデルを用いた顕在的 JPEG エンコーダーであり、バターロー（Butteraugli）視覚的距離メトリックを用いてグローバル量子化テーブルと DCT コefの最適化を図り、同等の視覚的品質で他のエンコーダーより 29–45% 小さなファイルサイズを達成する。色彩マスキング、空間周波数感度、輝度マスキングといった人間の視覚系モデルを活用することで、より均一で視覚的に区別できない圧縮を実現する。

ABSTRACT

Guetzli is a new JPEG encoder that aims to produce visually indistinguishable images at a lower bit-rate than other common JPEG encoders. It optimizes both the JPEG global quantization tables and the DCT coefficient values in each JPEG block using a closed-loop optimizer. Guetzli uses Butteraugli, our perceptual distance metric, as the source of feedback in its optimization process. We reach a 29-45% reduction in data size for a given perceptual distance, according to Butteraugli, in comparison to other compressors we tried. Guetzli's computation is currently extremely slow, which limits its applicability to compressing static content and serving as a proof- of-concept that we can achieve significant reductions in size by combining advanced psychovisual models with lossy compression techniques.

研究の動機と目的

• 人間の視覚の高度なモデルを活用して、目に見えない視覚的劣化を伴わず JPEG ファイルサイズを削減すること。
• 特にエッジや高コントラスト領域で顕著な不均一な視覚的劣化を是正すること。
• JPEG の技術的制限がある中でも、顕在的最適化が圧縮効率を顕著に向上させられるかを検証すること。
• JPEG 形式の制約下でも、顕在的ガイド付き最適化が顕著なサイズ削減をもたらす可能性を示すこと。
• 将来的な画像フォーマットが空間的に適応する量子化と洗練された色のモデル化をサポートする場合のプロトタイプとしての役割を果たすこと。

提案手法

• エンコーダーがバターロー視覚的距離メトリックからのフィードバックに基づいて、反復的に量子化テーブルと DCT コefを調整するクローズド・ループ最適化フレームワークを採用する。
• バターローを目的関数として採用し、人間の視覚の3つの主要な側面をモデル化する：色彩マスキング（例：黄色に覆われた青の変化）、高周波数領域における青の感度低下、および局所的な画像活動に基づく視覚的マスキング。
• エントロピーを削減しながらも視覚的品質を保持するため、小さな DCT コefに対して積極的なゼロ化を実施する。
• グローバル量子化テーブル、DCT コefの量子化、およびクロマサブサンプリング（YUV420 モード）という3つの JPEG パrameter を最適化する。
• 色空間における低周波数および高周波数成分のそれぞれに別個のマスキングモデルを適用し、量子化意思決定をガイドする。
• 元の画像と視覚的に同等であることを保証する特定のバターロー距離をターゲットとし、その制約下でファイルサイズを最小化する。

実験結果

リサーチクエスチョン

• RQ1 顕在的モデルを用いることで、視覚的に区別できない品質を維持したまま JPEG ファイルサイズを顕著に削減できるか？
• RQ2 標準エンコーダーと比較して、顕在的最適化が圧縮アーティファクトの空間的分布にどのように影響を与えるか？
• RQ3 ネイティブに空間的に適応する量子化を備えない状況下で、心理視覚的メトリック（例：Butteraugli）が圧縮効率をどれほど向上させられるか？
• RQ4 顕在的ガイド付きエンコーダーを用いる場合、エンコード時間とファイルサイズ削減のトレードオフはどの程度か？
• RQ5 バターローによる測定で同等の顕在的品質を達成した場合、異なる JPEG エンコーダー間のファイルサイズはどの程度異なるか？

主な発見

• Guetzli は、他の JPEG エンコーダーと同等のバターロー顕在的距離を維持した状態で、29–45% のファイルサイズ削減を達成した。
• libjpeg と比較して品質 95 で、テストコーパス全体で 43.19% のファイルサイズ削減を達成した。
• mozjpeg に -tune-ms-ssim パラメータを適用した場合と比較して、同等の顕在的品質で 45.39% のサイズ削減を達成した。
• バターローによる顕在的フィードバックの活用により、視覚的劣化がより均一になり、目立つリングアーティファクトやブロッキングアーティファクトが減少した。
• 著しく遅いが、Guetzli の結果は、JPEG 形式の制限下でも顕在的最適化が顕著な利点をもたらす可能性を示している。
• これらの結果から、将来的な画像フォーマットが空間的に適応する量子化と洗練された色のモデル化をサポートすれば、より高い圧縮効率を達成できる可能性があり、計算コストも低減できると示唆される。