그럼에도 불구하고 420 서브샘플링으로 인한 손실이 인간의 인식에 명확하지 않은 원본 이미지가 있으며 이러한 경우 420 서브샘플링을 사용하는 것이 유리할 수 있습니다. 이상적으로 코덱은 두 가지 서브샘플링 형식을 모두 지원할 수 있어야 합니다. 그러나 420 서브샘플링만 지원하는 코덱이 몇 가지 있습니다 . 아래에서 설명하는 webp 는 널리 사용되는 코덱 중 하나입니다.

이미지 코딩 형식에 대한 간략한 개요

JPEG 형식은 1992년에 도입되었으며 널리 사용됩니다. 420, 422 및 444를 비롯한 다양한 색상 서브샘플링을 지원합니다. JPEG는 RGB 데이터를 수집하여 손실 압축을 수행하기 전에 루마-크로마 표현으로 변환할 수 있습니다. 이산 코사인 변환(DCT)은 샘플의 8x8 블록에 대한 역상관 변환으로 사용됩니다. 그 다음에는 양자화 및 엔트로피 코딩이 뒤따릅니다. 그러나 JPEG는 8비트 이미지로 제한되며 알파 채널에 대한 지원이 부족합니다. 최신 JPEG-XT 표준은 이전 버전과 호환되는 방식으로 JPEG를 더 높은 비트 심도, 알파 채널 지원, 무손실 압축 등으로 확장합니다.

DWT(Discrete Wavelet Transform)를 기반으로 하는 JPEG 2000 형식은 2000년에 JPEG의 후속 형식으로 도입되었습니다. 깊이, 유연한 색면 수, 무손실 코딩 등 모션 확장과 함께 2004년 디지털 시네마용 비디오 코딩 표준 으로 채택되었습니다 .

webp 형식은 2010년경 Google에 의해 도입되었습니다. Google은 Android 기기 및 Chrome 브라우저에 디코딩 지원을 추가했으며 개발자가 다른 플랫폼(예: iOS)의 앱에 추가할 수 있는 라이브러리도 출시했습니다 . Webp는 VP8 비디오 코딩 형식 의 인트라 프레임 코딩을 기반으로 합니다 . Webp는 JPEG 2000의 모든 유연성을 가지고 있지는 않습니다. 그러나 무손실 코딩과 무손실 알파 채널을 지원하므로 특정 상황에서 PNG 에 대한 보다 효율적이고 빠른 대안이 됩니다.

HEVC (High-Efficiency Video Coding )는 AVC (Advanced Video Coding) 형식으로 알려진 H.264의 후속 제품입니다 . HEVC 인트라 프레임 코딩은 HEIF(High-Efficiency Image File Format)로 캡슐화될 수 있습니다. 이 형식은 기록된 이미지를 저장하기 위해 Apple 장치 에서 가장 많이 사용됩니다 .

마찬가지로, AVIF (AV1 Image File Format )는 AV1 인트라 프레임 코딩 콘텐츠를 캡슐화할 수 있으므로 이전 제품에 비해 AV1이 달성한 우수한 압축 이득을 활용할 수 있습니다. 다음 섹션에서 AVIF의 몇 가지 매력적인 기술 기능을 다룹니다.

JPEG 위원회는 레거시 JPEG 형식에서 전환하는 데 도움이 되는 기능을 포함하는 JPEG XL 이라는 코딩 형식을 추구하고 있습니다 . 기존 JPEG 파일은 파일 크기를 줄이면서 손실 없이 JPEG XL로 트랜스코딩할 수 있습니다. 또한 레거시 JPEG만 지원하는 클라이언트에 서비스를 제공하기 위해 다시 JPEG 형식으로의 경량 변환 프로세스가 포함되어 있습니다.

AVIF 기술 특징

최신 비디오 코덱은 주로 비디오를 염두에 두고 개발되었지만 비디오 코덱의 인트라프레임 코딩 도구는 이미지 압축 도구와 크게 다르지 않습니다. 최신 비디오 코덱의 엄청난 압축 이득을 감안할 때 이미지 코딩 형식으로서 매력적입니다. 비디오 압축/압축 해제를 위해 하드웨어를 재사용하면 잠재적인 이점이 있습니다. 하드웨어에서 이미지 디코딩은 OS 종속 UI 구성의 특성과 압축되지 않은 이미지 픽셀 이동의 구조적 의미를 고려할 때 주요 동기 요인이 아닐 수 있습니다.

이미지 코딩 형식 영역에서 MPEG(Moving Picture Experts Group)는 코덱에 구애받지 않는 일반 이미지 컨테이너 형식인 ISO/IEC 23000–12 표준(HEIF라고도 함)을 표준화했습니다. HEIF는 특히 HEVC 인코딩 이미지(HEIC 변형)를 저장하는 데 사용되었지만 AVC 인코딩 이미지 또는 JPEG 인코딩 이미지도 저장할 수 있습니다. AOM(Alliance for Open Media)은 최근 이 형식을 확장하여 AVIF 형식의 AV1 인코딩 이미지 저장을 지정했습니다. 기본 HEIF 형식은 모든 이미지 코덱 지원, 압축을 위한 손실 또는 무손실 모드 사용 기능, 다양한 서브샘플링 및 비트 심도 지원 등과 같은 이미지 형식에서 예상되는 일반적인 기능을 제공합니다. 일련의 애니메이션 프레임 저장(애니메이션 GIF에 대한 효율적이고 오랫동안 기다려온 대안 제공), 알파 채널을 지정하는 기능(UI에서 엄청나게 사용됨). 또한 HEIF 형식은 차세대 비디오 압축에서 배운 내용을 차용하므로 색 영역 및 HDR(High Dynamic Range) 정보와 같은 메타데이터를 보존할 수 있습니다.

이미지 압축 비교 프레임워크

다양한 이미지 코덱을 비교하기 위한 Docker 기반 프레임워크를 오픈 소스로 제공합니다 . 두드러진 기능은 다음과 같습니다.

1. Python 3을 사용하여 오케스트레이션(병렬화 포함) 및 인사이트 생성 인코딩
2. 손쉬운 결과 재현성 및
3. 대상 품질 범위를 쉽게 제어할 수 있습니다.

프레임워크를 사용하면 대상 코덱에 대한 대상 품질(특정 메트릭 사용)을 지정하고 이러한 결과를 로컬 데이터베이스에 저장할 수 있으므로 Bjontegaard-Delta(BD) 비율을 쉽게 활용하여 코덱 간에 비교할 수 있습니다. 고정된 매개변수 값으로 인코더 매개변수 범위(예: 품질 요소)를 맹목적으로 휩쓸고 임의의 품질 지점에 도달하는 대신 대상 지점을 유용하거나 의미 있는 품질 범위로 제한할 수 있습니다.

예를 들어, 아래는 지정된 SSIM 및 VMAF 값에서 목표 품질에 원하는 허용 오차가 있는 코덱 선택을 위해 압축 이미지를 생성하는 호출입니다.

main(metric='ssim', target_arr=[0.92, 0.95, 0.97, 0.99], target_tol=0.005, db_file_name='encoding_results_ssim.db')main(metric='vmaf', target_arr=[75, 80, 85, 90, 95], target_tol=0.5, db_file_name='encoding_results_vmaf.db')

이어지는 비교와 관련된 다양한 코덱 및 구성에 대해 독자는 공유 저장소 에서 실제 명령줄을 볼 수 있습니다 . 여기에서 비교한 모든 코덱/구성에서 최상의 압축 효율성을 얻으려고 시도했습니다. 독자는 프레임워크 내에서 인코딩 명령에 대한 변경 사항을 자유롭게 실험할 수 있습니다. 또한 아래 결과 수집 당시 사용된 버전과 비교하여 최신 버전의 각 소프트웨어 구현이 출시되었을 수 있습니다. 예를 들어, 아래 결과 수집 시 사용된 github의 프레임워크 스냅샷 에 있는 것과 비교하여 Kakadu 데모 앱의 최신 소프트웨어 버전을 사용할 수 있습니다 .

시각적 예

JPEG와 최신 기술을 비교하는 시각적 예를 살펴봄으로써 지난 30년 동안 압축 커뮤니티의 작업에 감탄하게 되는 섹션입니다.

아래 표시된 인코딩된 이미지는 예시이며 다양한 대상 비트 전송률에서 시각적 품질을 비교하기 위한 것입니다. 예시 인코딩의 품질은 Netflix가 실제 서비스에서 이미지 자산을 스트리밍하기 위해 사용하는 고품질 기준을 나타내지 않으며 본질적으로 순수하게 교육적이라는 점에 유의하십시오.

아래는 Kodak 데이터 세트의 원본 소스 이미지 하나와 JPEG 444 @ 20,429바이트 및 AVIF 444 @ 19,788바이트의 해당 결과입니다 . JPEG 인코딩은 하늘, 연못 및 지붕에서 매우 명백한 차단 아티팩트를 보여줍니다. 지붕에 약간의 흐릿함과 텍스처 손실이 있지만 AVIF 인코딩은 차단 아티팩트가 적기 때문에 훨씬 더 좋습니다. 약 59배 의 압축률을 감안할 때 여전히 놀라운 결과입니다 (원본 이미지의 크기는 768x512이므로 압축된 이미지의 20k 바이트에 비해 768x512x3바이트가 필요함).

 

Aditya Mavlankar, Jan De Cock¹, Cyril Concolato, Kyle Swanson, Anush Moorthy 및 Anne Aaron 작성

TL; DR

우리는 a) 널리 지원되고, b) 압축 효율이 더 좋고, c) 더 넓은 기능 세트를 가진 JPEG에 대한 대안이 필요합니다. 우리는 AVIF( AV1 Image File Format )에 잠재력이 있다고 믿습니다 . 우리가 오픈 소스로 제공한 프레임워크를 사용하여 AVIF 압축 효율성을 직장에서 확인하고 이전의 모든 이미지 코덱과 비교할 수 있습니다.

Netflix의 이미지 압축

넷플릭스 회원들은 스마트 TV, 휴대폰, 태블릿, 개인용 컴퓨터, TV 화면에 연결된 스트리밍 기기 등 다양한 기기에서 넷플릭스를 즐깁니다. 카탈로그를 탐색하고 권장 사항을 제공하기 위한 사용자 인터페이스(UI)는 모든 장치 범주에 걸쳐 이미지와 그래픽이 풍부합니다. 아래는 예시로 iOS의 Netflix 앱 스크린샷입니다.이미지 애셋은 제목의 스틸 프레임 , 특수 현장 사진 또는 이들의 조합을 기반으로 할 수 있습니다 . 자산은 기능을 제작하는 동안 생성된 아트에서 파생될 수도 있습니다.

위에서 본 것처럼 이미지 자산에는 일반적으로 그라디언트, 텍스트 및 그래픽이 있습니다., 예를 들어 이미지에 합성된 Netflix 기호 또는 "The Witcher" 휘장과 같은 기타 제목 관련 기호. 이러한 특수한 처리는 자연 이미지에서 반드시 발생하지 않는 다양한 특성으로 이어집니다. 가장자리 양쪽에 채도 차이가 있는 가장자리를 포함하여 하드 가장자리는 일반적이며 일반적으로 중요한 위치에서 발생하고 중요한 정보를 전달하기 때문에 좋은 세부 정보 보존이 필요합니다. 또한 일반적으로 부드럽고 깔끔한 배경과 함께 눈에 띄는 위치에 캐릭터나 얼굴이 있습니다. 다시 말하지만, 캐릭터 얼굴의 디테일을 보존하는 것이 가장 중요합니다. 경우에 따라 배경이 질감이 있고 복잡하며 광범위한 주파수를 나타냅니다.

이미지 자산이 수집된 후 압축 파이프라인이 시작되어 장치에 제공할 압축 이미지 자산을 준비합니다. 목표는 필요한 바이트 수를 줄이면서 가능한 한 원본에 가깝게 압축된 이미지를 만드는 것입니다. 이미지가 많은 UI의 특성을 고려할 때 이러한 이미지를 잘 압축하는 것이 가장 중요합니다.여기에는 무엇보다도 색상 서브샘플링, 코덱, 인코더 매개변수 및 인코딩 해상도의 올바른 조합을 선택하는 것이 포함됩니다.

 

색상 서브샘플링을 예로 들어 보겠습니다 . 원래 444 형식보다 420 서브샘플링을 선택하면 인간의 시각 시스템이 채도보다 루마에 더 민감하다는 사실에 따라 인코딩해야 하는 샘플 수(3가지 색상 평면 모두에서 계산)가 절반으로 줄어듭니다. 그러나 420 서브샘플링은 색상 전환이 있는 위치에서 색상 번짐 및 재기스를 유발할 수 있습니다. 아래에서는 444의 원본 소스와 420 서브샘플링으로 변환된 소스 사이를 전환합니다. 토글링은 코덱이 그림에 들어가기 전에도 색상 서브샘플링에 의해 도입된 손실을 보여줍니다.

 

 

 

 

동일한 소스에 대해 아래에 표시된 것은 JPEG 444 @ 40,276바이트 와 AVIF 444 @ 39,819바이트를 비교한 것입니다 . JPEG 인코딩에는 지붕 가장자리 주변의 링잉과 여러 위치에서 채도 번짐과 함께 하늘에 가시적인 차단 아티팩트가 있습니다. 그러나 AVIF 이미지는 이제 압축률이 29x 로 원본과 유사합니다 .

 

 

아래는 Kodak 데이터 세트의 또 다른 원본 소스 이미지와 JPEG 444 @ 13,939바이트 및 AVIF 444 @ 4,176바이트의 해당 결과입니다 . JPEG 인코딩은 대부분의 가장자리 주변, 특히 기울어진 가장자리 주변과 색상 왜곡 주변에 블로킹 아티팩트를 보여줍니다. AVIF 인코딩은 JPEG 인코딩 크기의 1/3이지만 "더 깨끗해" 보입니다. 원본을 완벽하게 표현한 것은 아니지만 압축률이 282x 이므로 칭찬할 만합니다.

 

 

 

아래에 표시된 것은 비트 예산이 약간 더 높은 동일한 이미지에 대한 결과입니다. JPEG 444 @ 19,787바이트 대 AVIF 444 @ 20,120바이트 . JPEG 인코딩은 여전히 ​​기울어진 가장자리 주변에 블로킹 아티팩트를 표시하는 반면 AVIF 인코딩은 소스와 거의 동일하게 보입니다.

 

 

아래는 Netflix(내부) 1142x1600 해상도 "boxshots-1" 데이터 세트의 원본 이미지입니다. 그 다음은 JPEG 444 @ 69,445바이트 및 AVIF 444 @ 40,811바이트입니다 . 색상 왜곡과 함께 심각한 밴딩 및 블로킹 아티팩트가 JPEG 인코딩에서 볼 수 있습니다. 실제로 29kB 더 작은 AVIF 인코딩에서는 덜 그렇습니다.

 

 

 

아래에 표시된 것은 비트 예산을 약간 늘린 동일한 이미지에 대한 결과입니다. JPEG 444 @ 80,101바이트 대 AVIF 444 @ 85,162바이트 . 밴딩 및 블로킹은 JPEG 인코딩에서 여전히 볼 수 있는 반면 AVIF 인코딩은 원본과 매우 유사합니다.

 

 

아래는 JPEG 444 @ 81,745 바이트 대 AVIF 444 @ 76,087 바이트 와 함께 동일한 boxshots-1 데이터세트의 또 다른 소스 이미지입니다 . 전체 블로킹 아티팩트와 텍스트 주변의 모기 아티팩트는 JPEG 인코딩에서 볼 수 있습니다.

 

 

 

아래는 JPEG 444 @ 80,562 바이트 대 AVIF 444 @ 80,432 바이트 와 함께 boxshots-1 데이터세트의 또 다른 소스 이미지입니다 . JPEG 인코딩에는 눈에 띄는 밴딩, 블로킹 및 모기 아티팩트가 있는 반면 AVIF 인코딩은 원본 소스에 매우 가깝게 보입니다.

 

 

 

전체 결과

아래는 공개 데이터세트와 Netflix 내부 데이터세트에 대한 결과입니다. 사용된 참조 코덱은 JPEG 표준의 Annex K에 정의된 표준 양자화 매트릭스를 사용하는 JPEG-XT 참조 소프트웨어의 JPEG입니다. 다음은 BD 속도의 형태로 기준선에 대해 테스트 및 보고된 코덱 및/또는 구성입니다.

 

이 실험의 인코딩 해상도는 소스 해상도와 동일합니다. 420 서브샘플링 인코딩의 경우 품질 메트릭은 420 서브샘플링 도메인에서 계산되었습니다. 마찬가지로 444개의 서브샘플링 인코딩에 대해 품질 메트릭은 444개의 서브샘플링 도메인에서 계산되었습니다. SSIM , MS-SSIM , VIF 및 PSNR 과 같은 다양한 품질 지표와 관련된 BD 속도와 함께 SSIM을 지표로 사용하여 속도 품질 플롯도 표시합니다.

코닥 데이터세트; 24개의 이미지; 768x512 해상도

쉽게 참조할 수 있도록 소스 이미지를 PNG 형식으로 여기에 업로드했습니다 . 우리는 이 데이터 세트의 소스로 Kodak에 필요한 귀속을 제공합니다.

품질 메트릭이 주어지면 각 이미지에 대해 두 개의 개별 속도 품질 곡선을 고려합니다. 기준선(JPEG)과 관련된 곡선 하나와 대상 코덱과 관련된 곡선 하나. 우리는 두 가지를 비교하고 고려 중인 품질 영역에서 동일한 품질에 대한 평균 백분율 감소로 해석될 수 있는 BD-rate를 계산합니다. 음수 값은 속도 감소를 의미하므로 기준선에 비해 더 좋습니다. 마지막 단계로 데이터 세트의 모든 이미지에 대한 BD 속도의 산술 평균을 보고합니다. 우리는 또한 아래 표에서 최고의 성과를 강조합니다.

 

 

 

 

CLIC 데이터세트; 303 이미지; 2048x1320 해상도

우리는 CVPR과 함께 개최된 학습된 이미지 압축(CLIC)에 대한 워크샵 및 챌린지 의 일부로 공개된 데이터 세트에서 이미지의 하위 집합을 선택했습니다 . CLIC에 대한 적절한 속성과 함께 쉽게 참조할 수 있도록 선택한 303개의 소스 이미지를 PNG 형식으로 여기에 업로드했습니다 .

 

 

 

 

빌보드 데이터세트(Netflix 내부) 223 이미지; 2048x1152 해상도

일반적으로 빌보드 이미지는 썸네일과 같은 박스샷 이미지보다 큰 캔버스를 차지하며 일반적으로 가로형입니다. 왼쪽이나 오른쪽 한쪽에 텍스트나 그래픽을 오버레이할 공간이 있고 다른 쪽에는 눈에 띄는 캐릭터/풍경/예술이 있습니다. 아래에서 예를 볼 수 있습니다. 빌보드 소스 이미지는 Netflix 내부에 있으므로 공개 데이터 세트를 구성하지 않습니다.

 

 

 

 

 

Boxshots-1 데이터세트(Netflix 내부); 100개의 이미지; 1142x1600 해상도

빌보드 이미지와 달리 boxshot 이미지는 수직이며 일반적으로 서로 다른 타이틀을 나타내는 boxshot 이미지가 UI에 나란히 표시됩니다. 이 데이터 세트의 예는 위의 시각적 예 섹션에 나와 있습니다. boxshots-1 소스 이미지는 Netflix 내부에 있으므로 공개 데이터 세트를 구성하지 않습니다.

 

 

 

 

Boxshots-2 데이터 세트(Netflix 내부); 100개의 이미지; 571x800 해상도

boxshots-2 데이터 세트에도 수직 박스 아트가 있지만 해상도가 낮습니다. boxshots-2 소스 이미지는 Netflix 내부에 있으므로 공개 데이터 세트를 구성하지 않습니다.

 

 

 

 

이 시점에서 여기에서 품질 메트릭으로 VMAF 의 생략을 논의하는 것이 현명할 수 있습니다 . 전작 에서우리는 JPEG와 같은 왜곡 및 "박스샷" 및 "빌보드"와 유사한 데이터 세트의 경우 VMAF가 인식된 품질과 높은 상관관계가 있음을 보여주었습니다. 그러나 현재 VMAF는 정적 이미지가 아닌 인코딩된 비디오를 판단하기 위해 훈련되고 개발된 메트릭입니다. 우리 테스트에서 이미지 코덱의 범위와 관련된 왜곡 범위는 VMAF 개발 프로세스에서 고려된 것보다 더 넓으므로 해당 코덱의 이미지 품질을 정확하게 측정하지 못할 수 있습니다. 또한 오늘날의 VMAF 모델은 크로마 아티팩트를 캡처하도록 설계되지 않았으므로 예를 들어 다른 크로마 아티팩트와 별도로 420과 444 서브샘플링을 구별할 수 없습니다(이는 우리가 사용한 다른 측정에도 해당되지만 주어진 대안의 부족, 우리는 가장 잘 테스트되고 문서화된 이미지 품질 지표를 사용하는 편에 기댔습니다). 이것은 VMAF가 이미지 품질에 대해 매우 부정확하다는 말이 아니라 현재로서는 다양한 코덱을 사용하는 이미지 압축 알고리즘을 평가하는 데 VMAF를 사용하지 않을 것이라고 말하는 것입니다. 점수의 크로마 채널을 포함하여 다양한 코덱 및 해상도에서 이미지에 대한 VMAF의 정확도를 개선하기 위한 몇 가지 흥미로운 작업이 예정되어 있습니다. 그렇긴 하지만 저장소의 코드는 VMAF를 계산하며 독자는 이를 사용해 보고 현재 VMAF로 판단할 때 AVIF가 빛나는지 확인하는 것이 좋습니다. 점수의 크로마 채널을 포함하여 다양한 코덱 및 해상도에서 이미지에 대한 VMAF의 정확도를 개선하기 위한 몇 가지 흥미로운 작업이 예정되어 있습니다. 그렇긴 하지만 저장소의 코드는 VMAF를 계산하며 독자는 이를 사용해 보고 현재 VMAF로 판단할 때 AVIF가 빛나는지 확인하는 것이 좋습니다. 점수의 크로마 채널을 포함하여 다양한 코덱 및 해상도에서 이미지에 대한 VMAF의 정확도를 개선하기 위한 몇 가지 흥미로운 작업이 예정되어 있습니다. 그렇긴 하지만 저장소의 코드는 VMAF를 계산하며 독자는 이를 사용해 보고 현재 VMAF로 판단할 때 AVIF가 빛나는지 확인하는 것이 좋습니다.

PSNR은 넓은 품질 범위에 걸쳐 지각 품질과 높은 상관관계를 갖지 않습니다. 그러나 높은 PSNR 목표로 인코딩하면 비트를 과도하게 사용하지만 높은 PSNR 점수는 원본에 근접함을 의미하므로 안심할 수 있습니다. 지각 기반 메트릭을 사용하면 점수가 지나치게 높지만 시각적 품질이 부족한 드문 경우에 실패가 나타나는 경우가 있습니다.

서브 샘플링에 관한 흥미로운 관찰

위의 품질 계산 외에도 현대 코덱에서 고무적인 추세를 나타내는 다음과 같은 관찰 결과가 있습니다. 420 서브샘플링으로 인코딩을 수행한 후 이미지를 디코딩하고 444 서브샘플링으로 상향 변환한 다음 444 형식의 원본 소스와 비교하여 다양한 메트릭을 계산한다고 가정해 보겠습니다. "encode-subsampling" 및 "quality-computation-subsampling"이 일치하는 위의 경우와 구별하기 위해 이 구성을 "444u"라고 합니다. 선택한 메트릭 중에서 PSNR_AVG는 3개 채널(루마 1개 및 크로마 2개)을 모두 고려하는 것입니다. JPEG와 같은 이전 코덱을 사용하면 420 서브샘플링을 인코딩하는 것과 비교하여 444 서브샘플링을 인코딩하는 동안 비트 예산이 더 많은 샘플에 얇게 퍼집니다. 이는 아래와 같이 420 서브샘플링과 비교하여 444 서브샘플링으로 JPEG를 인코딩하는 경우 PSNR_AVG가 좋지 않음을 보여줍니다. 하지만,

 

최신 코덱을 사용하면 boxshots-1과 같은 다른 더 실용적인 데이터 세트의 경우에도 "실용적인" 속도의 전체 영역에 걸쳐 420개의 서브 샘플링보다 444개의 서브 샘플링을 인코딩할 때 더 높은 PSNR_AVG를 생성합니다. 흥미롭게도 JPEG에서는 크로스오버가 발생합니다. 즉, 특정 속도를 넘은 후에는 444 서브샘플링을 인코딩하는 것이 더 효율적이기 시작합니다. 이러한 크로스오버는 여러 공간 해상도를 인코딩할 때 교차하는 속도 품질 곡선과 유사합니다 . 아래는 boxshots-1 데이터세트의 서로 다른 두 소스 이미지에 대한 속도-품질 곡선으로, 444u 및 444 구성 모두에서 JPEG와 AVIF를 비교한 것입니다.

 

 

AVIF 지원 및 다음 단계

AVIF는 뛰어난 압축 효율성을 제공하지만 아직 초기 배포 단계에 있습니다. AVIF 이미지를 생성하고 사용하기 위한 다양한 도구가 있습니다. Alliance for Open Media는 특히 AVIF 이미지를 인코딩 및 디코딩할 수 있는 libavif 라는 오픈 소스 라이브러리를 개발하고 있습니다 . 이 라이브러리의 목표는 이미지 커뮤니티의 소프트웨어 통합을 용이하게 하는 것입니다. 이러한 통합은 예를 들어 Google Chrome과 같은 다양한 브라우저에서 이미 시작되었으며 가까운 시일 내에 AVIF 이미지에 대한 광범위한 지원을 기대합니다. 또한 특히 dav1d 팀에서 10비트 이미지를 포함하여 가능한 한 빨리 AVIF 이미지 디코딩을 수행하기 위한 주요 노력이 진행 중입니다. 곧 Android에서 AVIF 이미지를 테스트하게 될 것입니다.최근 Android에서 AV1 비디오 채택 노력을 발표했습니다 .

위에서 사용된 데이터 세트에는 표준 동적 범위(SDR) 8비트 이미지가 있습니다. Netflix에서도 UI용 HDR 이미지를 작업하고 있으며 이러한 HDR 이미지 자산을 인코딩하는 데 AVIF를 사용할 계획입니다. 이는 HDR 이미지의 압축 형식으로 JPEG 2000을 실험한 이전 노력 의 연속 이며 AVIF가 제공하는 우수한 압축 이득을 기대하고 있습니다.