SlideShare a Scribd company logo
1 of 19
Download to read offline
WebP入門
               比較
JPEG,JPEG2000との比較
    ,
         2011/12/30
      名古屋工業大学
          福嶋慶繁
  Twitter: @fukushima1981
目的

WebPのパラメ タを変化させて,
WebPのパラメータを変化させて
  従来の符号化アルゴリズム
     JPEG,JPEG2000
に比べてどうなのかを明らかにする
WebPエンコードのパラメータ
•   デフォルト                       •   PICTURE
    –   Target_size = 0             – Sns_strength = 80
    –   Target_PSNR = 0.            – Fiter_sharpness = 4
    –   Method = 4
        Method = 4                  – Filter strength = 35
                                      Filter strength = 35
    –   Sns_strength = 50       •   PHOTO
    –   Filter_strength = 20        – Sns_strength = 80
    –   Filter_sharpness = 0
              _    p                – Fiter sharpness = 3
                                      Fiter_sharpness 3
    –   Filter_type 0               – Filter strength = 30
    –   Partitions = 0          •   DRAWING
    –   Segments = 4                – Sns_strength = 25
                                          _      g
    –   Pass = 1                    – Fiter_sharpness = 6
    –   Show_compressed = 0         – Filter strength = 10
    –   Preprocessing = 0
                                •   ICON
    –   Autofilter = 0
                   = 0
                                    – Sns_strength = 0
    –   Alpha_compression = 0
                                    – Filter strength = 0
    –   Partition_limit = 0
                                    – Segments = 2
いろいろあるが...
      いろいろあるが
• 重要なパラメータは下記の順で残りのパラ
  メータはおまけくらいの効果しかない
 – Quality(品質)
 – Method(圧縮方式 アルゴリズムが変化する)
   Method(圧縮方式,アルゴリズムが変化する)
 – filter_strength(デブロッキングフィルタ)
デコーダのオプション
• いろいろあるけどデブロッキングフィルタの効
  果もそこそこ有るので全て有効化でOK
• ただしデフォルトのデコーダだとスレッドを
  使ってくれない
• スレッド化の有効化だけ入れるべきかも
符号化性能の比較
各種メソッドの圧縮率の比較
            46
            44
            42
            40
                     圧縮対象
      dB]




            38
PSNR [d




            36
                                        method 1
            34                          method 2
            32                          method 3
                                        method 4
            30
                                        method 5
            28                          method 6
            26
                 0      0.5   1     1.5           2   2.5   3
                                  Bit per pixel
各種メソッドの圧縮率の比較
• メソッド1,2とメソッド3,4,5,6のグループに分か
     ド       ド        グ  プ 分
  れる
• グループ間ではPSNRに差はそんなにない
 – SSIMやMOSは別かも?
他手法との比較
                符  効率を  る
• JPEG,JPEG2000と符号化効率を比べる
• グラフが煩雑になるので2つに分かれた
  Methodのグループのうち,最良の方法となる
  は2と6を採用する.
  は2と6を採用する

• Mandrillとlennaを圧縮する
他手法との圧縮率の比較
            50

            45

            40
                     圧縮対象
       B]
PSNR [dB




            35

            30
P




                                           WebP 6
            25                             WebP 2
                                           JPEG
            20                             JPEG2000

            15
                 0          1   2      3            4   5   6
                                    Bit per pixel
他手法との圧縮率の比較
            50


            45


            40       圧縮対象
       B]
PSNR [dB




            35
P




                                              WebP 6
            30
                                              WebP 2
                                              JPEG
            25
                                              JPEG2000

            20
                 0     0.5   1   1.5      2          2.5   3   3.5   4
                                       Bit per pixel
他手法との圧縮率の比較
            プ     な  縮率が高
• WebPの3~6のオプションはかなり圧縮率が高
  い
• WebPの1~2のオプションは低ビット字にJPEG
  に負ける時も

• JPEG2000は低ビット字の圧縮に強い(が
  WebPはもっと強い)
デブロッキングフィルタの効果
• デブロッキングフィルタの強さを指定する
  Filter_strengthの値を
        _     g
 – デフォルト値(20)で符号化する場合
 – 最適な値で符号化する場合
            の2の場合を比較
デブロッキングフィルタの効果
            42
            40
            38
PSNR [dB]




            36
   R




                         低ビット時に効果あり
            34           (フィルタは強めに適用している)
            32
                         デブロックフィルタ一定
            30
                         デブロックフィルタ最適
            28
            26
                 0   1   2              3    4   5
                             Bit per pixel
計算時間の比較
計算時間(Encode)
           450       method 1
           400       method 2
                     method 3
                                     WebPはMethodが複雑になるほど計算コストが上がる
                                     W bPはM th dが複雑になるほど計算コストが上がる
           350       method 4
                                     JPEGが最速,JPEG2000はいいところ無し...
                     method 5
           300       method 6
                     JPEG
Tim [ms]




           250
                     JPEG2000
  me




           200

           150

           100

           50

           0
                 0              20       40             60   80     100
                                              Quality
計算時間(Decode)
           100       ※Jpeg2000にはJasperを使いましたが,この実装はあまり速くない
           90
           80                                             method 1
           70                                             method 2
                                                          method 3
           60                                             method 4
Tim [ms]




           50                                             method 5
  me




                                                          method 6
           40                                             JPEG
           30             JPEG2000が重たすぎるので,               JPEG2000
                                  このグラフからどいてもらう
           20
           10
           0
                 0          20        40             60      80      100
                                           Quality
計算時間(Decode)
           12       method 1        デコードは1,2のメソッド(圧縮が高速な方法)
                    method 2        のほうがデコード時間がかかる
           10       method 3
                    method 4
                    method 5
           8        method 6
                    JPEG
Tim [ms]




           6        JPEG2000
  me




           4
                           WebPのデコ ドはJPEGと大差がない
                           WebPのデコードはJPEGと大差がない
           2               スレッド化のオプションを有効化するとこれより1.5倍早くなる
                           Qualityが高いとデコードが少し遅い

           0
                0              20       40             60   80   100
                                             Quality
まとめ
     G2000よりも圧縮率が良く しかも高速
• JPEG2000よりも圧縮率が良く,しかも高速
• WebPのメソッドは2グループに分かれ各グループ内で
  はPSNRの差は少ない
 – 画像を見ても根本的にアルゴリズムが違う
 – 各グル プの最速アルゴリズムを使 たほうがいい?つ
   各グループの最速アルゴリズムを使ったほうがいい?つ
   まり,使うのはmethod 1と3だけでいいかも
• 最速エンコーダはJPEGだが デコードに限ればWebP
  最速エンコ ダはJPEGだが,デコ ドに限ればWebP
  はJPEGの1.5倍弱程度の時間しかかからない
• デコードは,method1,2のグループのほうが時間がか
  デコ ドは,method1,2のグル プのほうが時間がか
  かるデブロッキングフィルタは低ビットレート時に効果
  がある

More Related Content

What's hot

Machine learning CI/CD with OSS
Machine learning CI/CD with OSSMachine learning CI/CD with OSS
Machine learning CI/CD with OSSyusuke shibui
 
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...Kosetsu Tsukuda
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選Yusuke Uchida
 
Kaggleのテクニック
KaggleのテクニックKaggleのテクニック
KaggleのテクニックYasunori Ozaki
 
条件分岐とcmovとmaxps
条件分岐とcmovとmaxps条件分岐とcmovとmaxps
条件分岐とcmovとmaxpsMITSUNARI Shigeo
 
勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとは勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとはTakuya Akiba
 
HTTP/2の現状とこれから
HTTP/2の現状とこれからHTTP/2の現状とこれから
HTTP/2の現状とこれからshigeki_ohtsu
 
Test Yourself - テストを書くと何がどう変わるか
Test Yourself - テストを書くと何がどう変わるかTest Yourself - テストを書くと何がどう変わるか
Test Yourself - テストを書くと何がどう変わるかTakuto Wada
 
Deflate
DeflateDeflate
Deflate7shi
 
競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性Hibiki Yamashiro
 
研究者のための Python による FPGA 入門
研究者のための Python による FPGA 入門研究者のための Python による FPGA 入門
研究者のための Python による FPGA 入門ryos36
 
[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...
[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...
[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...Deep Learning JP
 
2値分類・多クラス分類
2値分類・多クラス分類2値分類・多クラス分類
2値分類・多クラス分類t dev
 
敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)cvpaper. challenge
 
CEDEC2017 VR180 3D live streaming camera at "SHOWROOM" case
CEDEC2017 VR180 3D live streaming camera at "SHOWROOM" caseCEDEC2017 VR180 3D live streaming camera at "SHOWROOM" case
CEDEC2017 VR180 3D live streaming camera at "SHOWROOM" caseTakeyuki Ogura
 

What's hot (20)

Machine learning CI/CD with OSS
Machine learning CI/CD with OSSMachine learning CI/CD with OSS
Machine learning CI/CD with OSS
 
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選
 
Kaggleのテクニック
KaggleのテクニックKaggleのテクニック
Kaggleのテクニック
 
暗認本読書会5
暗認本読書会5暗認本読書会5
暗認本読書会5
 
条件分岐とcmovとmaxps
条件分岐とcmovとmaxps条件分岐とcmovとmaxps
条件分岐とcmovとmaxps
 
Jetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoTJetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoT
 
勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとは勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとは
 
HTTP/2の現状とこれから
HTTP/2の現状とこれからHTTP/2の現状とこれから
HTTP/2の現状とこれから
 
動的計画法を極める!
動的計画法を極める!動的計画法を極める!
動的計画法を極める!
 
Test Yourself - テストを書くと何がどう変わるか
Test Yourself - テストを書くと何がどう変わるかTest Yourself - テストを書くと何がどう変わるか
Test Yourself - テストを書くと何がどう変わるか
 
Deflate
DeflateDeflate
Deflate
 
競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性
 
実装レベルで学ぶVQVAE
実装レベルで学ぶVQVAE実装レベルで学ぶVQVAE
実装レベルで学ぶVQVAE
 
研究者のための Python による FPGA 入門
研究者のための Python による FPGA 入門研究者のための Python による FPGA 入門
研究者のための Python による FPGA 入門
 
[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...
[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...
[DL Hacks]BERT: Pre-training of Deep Bidirectional Transformers for Language ...
 
Libjpeg turboの使い方
Libjpeg turboの使い方Libjpeg turboの使い方
Libjpeg turboの使い方
 
2値分類・多クラス分類
2値分類・多クラス分類2値分類・多クラス分類
2値分類・多クラス分類
 
敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)
 
CEDEC2017 VR180 3D live streaming camera at "SHOWROOM" case
CEDEC2017 VR180 3D live streaming camera at "SHOWROOM" caseCEDEC2017 VR180 3D live streaming camera at "SHOWROOM" case
CEDEC2017 VR180 3D live streaming camera at "SHOWROOM" case
 

Viewers also liked

JPEG Glitch入門
JPEG Glitch入門JPEG Glitch入門
JPEG Glitch入門Yuto Maeda
 
Overview of JPEG standardization committee activities
Overview of JPEG standardization committee activitiesOverview of JPEG standardization committee activities
Overview of JPEG standardization committee activitiesTouradj Ebrahimi
 
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...Norishige Fukushima
 
OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群Norishige Fukushima
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィNorishige Fukushima
 
コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎Norishige Fukushima
 
Popcntによるハミング距離計算
Popcntによるハミング距離計算Popcntによるハミング距離計算
Popcntによるハミング距離計算Norishige Fukushima
 
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺ガイデットフィルタとその周辺
ガイデットフィルタとその周辺Norishige Fukushima
 
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門Norishige Fukushima
 
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...Norishige Fukushima
 
OpenCVをAndroidで動かしてみた
OpenCVをAndroidで動かしてみたOpenCVをAndroidで動かしてみた
OpenCVをAndroidで動かしてみた徹 上野山
 
マルチコアを用いた画像処理
マルチコアを用いた画像処理マルチコアを用いた画像処理
マルチコアを用いた画像処理Norishige Fukushima
 
複数台のKinectV2の使い方
複数台のKinectV2の使い方複数台のKinectV2の使い方
複数台のKinectV2の使い方Norishige Fukushima
 
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないことNorishige Fukushima
 

Viewers also liked (16)

JPEG Glitch入門
JPEG Glitch入門JPEG Glitch入門
JPEG Glitch入門
 
PNGalt0x04
PNGalt0x04PNGalt0x04
PNGalt0x04
 
串串
 
Overview of JPEG standardization committee activities
Overview of JPEG standardization committee activitiesOverview of JPEG standardization committee activities
Overview of JPEG standardization committee activities
 
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
 
OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
 
コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎
 
Popcntによるハミング距離計算
Popcntによるハミング距離計算Popcntによるハミング距離計算
Popcntによるハミング距離計算
 
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺ガイデットフィルタとその周辺
ガイデットフィルタとその周辺
 
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門
 
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
 
OpenCVをAndroidで動かしてみた
OpenCVをAndroidで動かしてみたOpenCVをAndroidで動かしてみた
OpenCVをAndroidで動かしてみた
 
マルチコアを用いた画像処理
マルチコアを用いた画像処理マルチコアを用いた画像処理
マルチコアを用いた画像処理
 
複数台のKinectV2の使い方
複数台のKinectV2の使い方複数台のKinectV2の使い方
複数台のKinectV2の使い方
 
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
 

More from Norishige Fukushima

計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~Norishige Fukushima
 
多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化Norishige Fukushima
 
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミングNorishige Fukushima
 
3次元計測とフィルタリング
3次元計測とフィルタリング3次元計測とフィルタリング
3次元計測とフィルタリングNorishige Fukushima
 
デプスセンサとその応用
デプスセンサとその応用デプスセンサとその応用
デプスセンサとその応用Norishige Fukushima
 

More from Norishige Fukushima (6)

画像処理の高性能計算
画像処理の高性能計算画像処理の高性能計算
画像処理の高性能計算
 
計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~
 
多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化
 
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
 
3次元計測とフィルタリング
3次元計測とフィルタリング3次元計測とフィルタリング
3次元計測とフィルタリング
 
デプスセンサとその応用
デプスセンサとその応用デプスセンサとその応用
デプスセンサとその応用
 

Recently uploaded

CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NTT DATA Technology & Innovation
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)Hiroshi Tomioka
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 

Recently uploaded (8)

CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 

WebP入門

  • 1. WebP入門 比較 JPEG,JPEG2000との比較 , 2011/12/30 名古屋工業大学 福嶋慶繁 Twitter: @fukushima1981
  • 2. 目的 WebPのパラメ タを変化させて, WebPのパラメータを変化させて 従来の符号化アルゴリズム JPEG,JPEG2000 に比べてどうなのかを明らかにする
  • 3. WebPエンコードのパラメータ • デフォルト • PICTURE – Target_size = 0 – Sns_strength = 80 – Target_PSNR = 0. – Fiter_sharpness = 4 – Method = 4 Method = 4 – Filter strength = 35 Filter strength = 35 – Sns_strength = 50 • PHOTO – Filter_strength = 20 – Sns_strength = 80 – Filter_sharpness = 0 _ p – Fiter sharpness = 3 Fiter_sharpness 3 – Filter_type 0 – Filter strength = 30 – Partitions = 0 • DRAWING – Segments = 4 – Sns_strength = 25 _ g – Pass = 1 – Fiter_sharpness = 6 – Show_compressed = 0 – Filter strength = 10 – Preprocessing = 0 • ICON – Autofilter = 0 = 0 – Sns_strength = 0 – Alpha_compression = 0 – Filter strength = 0 – Partition_limit = 0 – Segments = 2
  • 4. いろいろあるが... いろいろあるが • 重要なパラメータは下記の順で残りのパラ メータはおまけくらいの効果しかない – Quality(品質) – Method(圧縮方式 アルゴリズムが変化する) Method(圧縮方式,アルゴリズムが変化する) – filter_strength(デブロッキングフィルタ)
  • 5. デコーダのオプション • いろいろあるけどデブロッキングフィルタの効 果もそこそこ有るので全て有効化でOK • ただしデフォルトのデコーダだとスレッドを 使ってくれない • スレッド化の有効化だけ入れるべきかも
  • 7. 各種メソッドの圧縮率の比較 46 44 42 40 圧縮対象 dB] 38 PSNR [d 36 method 1 34 method 2 32 method 3 method 4 30 method 5 28 method 6 26 0 0.5 1 1.5 2 2.5 3 Bit per pixel
  • 8. 各種メソッドの圧縮率の比較 • メソッド1,2とメソッド3,4,5,6のグループに分か ド ド グ プ 分 れる • グループ間ではPSNRに差はそんなにない – SSIMやMOSは別かも?
  • 9. 他手法との比較 符 効率を る • JPEG,JPEG2000と符号化効率を比べる • グラフが煩雑になるので2つに分かれた Methodのグループのうち,最良の方法となる は2と6を採用する. は2と6を採用する • Mandrillとlennaを圧縮する
  • 10. 他手法との圧縮率の比較 50 45 40 圧縮対象 B] PSNR [dB 35 30 P WebP 6 25 WebP 2 JPEG 20 JPEG2000 15 0 1 2 3 4 5 6 Bit per pixel
  • 11. 他手法との圧縮率の比較 50 45 40 圧縮対象 B] PSNR [dB 35 P WebP 6 30 WebP 2 JPEG 25 JPEG2000 20 0 0.5 1 1.5 2 2.5 3 3.5 4 Bit per pixel
  • 12. 他手法との圧縮率の比較 プ な 縮率が高 • WebPの3~6のオプションはかなり圧縮率が高 い • WebPの1~2のオプションは低ビット字にJPEG に負ける時も • JPEG2000は低ビット字の圧縮に強い(が WebPはもっと強い)
  • 13. デブロッキングフィルタの効果 • デブロッキングフィルタの強さを指定する Filter_strengthの値を _ g – デフォルト値(20)で符号化する場合 – 最適な値で符号化する場合 の2の場合を比較
  • 14. デブロッキングフィルタの効果 42 40 38 PSNR [dB] 36 R 低ビット時に効果あり 34 (フィルタは強めに適用している) 32 デブロックフィルタ一定 30 デブロックフィルタ最適 28 26 0 1 2 3 4 5 Bit per pixel
  • 16. 計算時間(Encode) 450 method 1 400 method 2 method 3 WebPはMethodが複雑になるほど計算コストが上がる W bPはM th dが複雑になるほど計算コストが上がる 350 method 4 JPEGが最速,JPEG2000はいいところ無し... method 5 300 method 6 JPEG Tim [ms] 250 JPEG2000 me 200 150 100 50 0 0 20 40 60 80 100 Quality
  • 17. 計算時間(Decode) 100 ※Jpeg2000にはJasperを使いましたが,この実装はあまり速くない 90 80 method 1 70 method 2 method 3 60 method 4 Tim [ms] 50 method 5 me method 6 40 JPEG 30 JPEG2000が重たすぎるので, JPEG2000 このグラフからどいてもらう 20 10 0 0 20 40 60 80 100 Quality
  • 18. 計算時間(Decode) 12 method 1 デコードは1,2のメソッド(圧縮が高速な方法) method 2 のほうがデコード時間がかかる 10 method 3 method 4 method 5 8 method 6 JPEG Tim [ms] 6 JPEG2000 me 4 WebPのデコ ドはJPEGと大差がない WebPのデコードはJPEGと大差がない 2 スレッド化のオプションを有効化するとこれより1.5倍早くなる Qualityが高いとデコードが少し遅い 0 0 20 40 60 80 100 Quality
  • 19. まとめ G2000よりも圧縮率が良く しかも高速 • JPEG2000よりも圧縮率が良く,しかも高速 • WebPのメソッドは2グループに分かれ各グループ内で はPSNRの差は少ない – 画像を見ても根本的にアルゴリズムが違う – 各グル プの最速アルゴリズムを使 たほうがいい?つ 各グループの最速アルゴリズムを使ったほうがいい?つ まり,使うのはmethod 1と3だけでいいかも • 最速エンコーダはJPEGだが デコードに限ればWebP 最速エンコ ダはJPEGだが,デコ ドに限ればWebP はJPEGの1.5倍弱程度の時間しかかからない • デコードは,method1,2のグループのほうが時間がか デコ ドは,method1,2のグル プのほうが時間がか かるデブロッキングフィルタは低ビットレート時に効果 がある