Loading article…
コンピューティングにおいて、圧縮アーティファクト（またはアーティファクト）とは、非可逆圧縮の適用によって生じるデジタルメディア（画像、音声、動画など）の目立つ歪みのことです。非可逆データ圧縮では、メディアのデータの一部を破棄することで、ディスク容量内に収まるサイズ、または利用可能な帯域幅（データレートまたはビットレートと呼ばれる）内で送信（ストリーミング）できるサイズにまで小さくします。圧縮方式で圧縮後のデータ量を十分に確保できない場合、品質の低下、つまりアーティファクトの発生につながります。圧縮アルゴリズムは、主観的に重要度の低い歪みとユーザーにとって不快な歪みを区別できるほど賢くない場合があります。
最も一般的なデジタル圧縮アーティファクトは、 JPEG、MP3、MPEGビデオファイル形式など、多くのデジタルメディア規格で使用されている離散コサイン変換（DCT）圧縮アルゴリズムによって発生するDCTブロックです。 [ 1 ] [ 2 ] [ 3 ]これらの圧縮アーティファクトは、高圧縮が適用されたときに発生し、[ 1 ] DVD 、JPEG、MP3、MPEGファイルなどの一般的なコンピュータファイル形式、ソニーのミニディスク形式などのコンパクトディスクの代替品などの一般的なデジタルメディアでよく発生します。非圧縮メディア（レーザーディスク、オーディオCD、WAVファイルなど）またはロスレス圧縮メディア（ FLACやPNGなど）は、圧縮アーティファクトの影響を受けません。
可逆圧縮アルゴリズムを実装する上で、知覚可能なアーティファクトを最小限に抑えることが重要な目標です。しかし、アーティファクトは芸術的な目的で意図的に生成されることもあり、これはグリッチアート[ 4 ]やデータモッシング[ 5 ]として知られるスタイルです。
技術的に言えば、圧縮アーティファクトとは、非可逆データ圧縮における量子化の結果として生じる、特定の種類のデータエラーのことである。変換符号化が用いられる場合、それは通常、符号化器の変換空間の基底関数のいずれかの形をとる。
JPEG圧縮画像のように、量子化のためにブロックベースの離散コサイン変換（DCT）[ 1 ]符号化を実行すると、いくつかの種類のアーティファクトが発生する可能性があります。
類似の記号の重複排除にパターンマッチングを使用する他の非可逆アルゴリズムは、印刷されたテキストに検出が困難なエラーを導入する傾向があります。たとえば、「6」と「8」という数字が置き換えられることがあります。これは、特定のコピー機でJBIG2 を使用した場合に発生することが確認されています。[ 6 ] [ 7 ]
低ビットレートでは、損失のあるブロックベースの符号化方式では、ピクセルブロック内およびブロック境界に目に見えるアーティファクトが発生します。これらの境界は、変換ブロック境界、予測ブロック境界、またはその両方であり、マクロブロック境界と一致する場合があります。アーティファクトの原因に関係なく、マクロブロッキングという用語が一般的に使用されます。その他の名称には、ブロッキング[ 8 ]、タイリング[ 9 ]、モザイク処理、ピクセル化、キルティング、チェッカーボードなどがあります。
ブロックアーティファクトは、ブロック変換符号化の原理そのものに起因するものです。変換（例えば離散コサイン変換）はピクセルのブロックに適用され、非可逆圧縮を実現するために、各ブロックの変換係数が量子化されます。ビットレートが低いほど、係数の表現は粗くなり、ゼロに量子化される係数の数が増えます。統計的に見ると、画像は高周波成分よりも低周波成分が多く含まれているため、量子化後に残るのは低周波成分であり、その結果、ぼやけた低解像度のブロックが生じます。最も極端なケースでは、DC係数、つまりブロックの平均色を表す係数のみが保持され、変換ブロックは再構成後に単一の色のみになります。
この量子化処理は各ブロックで個別に適用されるため、隣接するブロック間で係数の量子化方法が異なります。これにより、ブロック境界に不連続性が生じます。この不連続性は、詳細な情報が少なく影響が目立ちにくい平坦な領域で最も顕著に現れます。
画像圧縮の影響を軽減するためにさまざまなアプローチが提案されていますが、標準化された圧縮/解凍技術を使用し、圧縮の利点（たとえば、伝送およびストレージコストの削減）を維持するために、これらの方法の多くは「後処理」、つまり、受信または表示時に画像を処理することに重点を置いています。後処理技術はすべての場合において画像品質を向上させることが実証されておらず、その結果、広く受け入れられているものはありませんが、一部の技術は実装され、独自のシステムで使用されています。たとえば、多くの写真編集プログラムには、独自のJPEGアーティファクト低減アルゴリズムが組み込まれています。消費者向け機器では、この後処理をMPEGノイズ低減と呼ぶことがよくあります。[ 10 ]
JPEG の境界アーティファクトは、高 ISO 写真フィルムのものとよく似た、より好ましい「グレイン」に変換できます。2D 周波数に関連する量子化ステップQで量子化係数を単純に乗算する代わりに、区間[- Q /2; Q /2]の乱数の形をしたインテリジェントなノイズを逆量子化係数に追加できます。この方法は、何兆もの既存および将来の JPEG 画像を処理する JPEG デコンプレッサの不可欠な部分として追加できます。そのため、これは「後処理」技術ではありません。[ 11 ]
エンコード時にDCT値をオーバーシュートしてリンギングをクランプすることで、リンギングの問題を軽減できます。[ 12 ]
ポスタリゼーションは一般的に、DC値の重要性が低すぎる低品質の場合にのみ発生します。量子化テーブルを調整することで改善できます。[ 13 ]
MPEG-1、MPEG-2、MPEG-4のように動き予測が使用される場合、圧縮アーティファクトは解凍されたフレームの複数世代にわたって残存し、画像のオプティカルフローと共に移動する傾向があるため、絵画効果とシーン内のオブジェクトと共に移動する「汚れ」の中間のような、独特な効果が生じる。
圧縮ビットストリーム内のデータエラー（伝送エラーなどが原因で発生する可能性あり）は、大きな量子化エラーに似たエラーを引き起こしたり、短時間データストリームの解析を完全に中断させ、画像の「破損」につながる可能性があります。ビットストリームで重大なエラーが発生した場合、デコーダは次の独立して圧縮されたフレームを受信するまで、短時間、破損した画像に更新を適用し続け、「ゴーストイメージ」効果を生み出します。MPEG ピクチャ コーディングでは、これらは「I フレーム」と呼ばれ、「I」は「イントラ」を意味します。次の I フレームが到着するまで、デコーダはエラー隠蔽を実行できます。
動き補償予測ブロックの境界では、ブロック境界の不連続性が発生する可能性があります。動き補償ビデオ圧縮では、現在の画像は、以前に復号されたフレームのピクセルブロック（マクロブロック、パーティション、または予測ユニット）を移動させることによって予測されます。隣接する2つのブロックが異なる動きベクトルを使用する場合、ブロック間の境界で不連続性が発生します。
ビデオ圧縮アーティファクトには、構成要素となる静止画像の圧縮の累積結果が含まれます。たとえば、連続する静止画像におけるリンギングやその他のエッジのビジーは、エッジの周りのドットのきらめくぼやけとして連続して現れ、対象物の周りを群がる蚊に似ていることから、モスキートノイズと呼ばれます。 [ 14 ] [ 15 ]いわゆる「モスキートノイズ」は、MPEG形式などのほとんどのビデオ符号化規格で使用されているブロックベースの離散コサイン変換（DCT）圧縮アルゴリズムによって引き起こされます。[ 3 ]
ブロック境界におけるアーティファクトは、デブロッキングフィルタを適用することで低減できる。静止画符号化と同様に、デブロッキングフィルタをデコーダ出力に後処理として適用することが可能である。
クローズド予測ループを用いた動き予測ビデオ符号化では、エンコーダはデコーダの出力を予測基準として使用し、そこから将来のフレームを予測します。そのため、エンコーダは概念的にデコーダを統合しています。この「デコーダ」がデブロッキングを実行すると、デブロッキングされた画像が動き補償の基準画像として使用され、フレーム間でブロックアーティファクトが伝播するのを防ぐことで符号化効率が向上します。これはインループデブロッキングフィルタと呼ばれます。インループデブロッキングフィルタを規定する規格には、VC-1、H.263 Annex J、H.264/AVC、H.265/HEVCなどがあります。
非可逆音声圧縮は通常、人間の聴覚知覚モデルである心理音響モデルに基づいて行われます。非可逆音声フォーマットでは、通常、修正離散コサイン変換などの時間/周波数領域変換が使用されます。心理音響モデルでは、周波数マスキングや時間マスキングなどのマスキング効果が利用されるため、知覚できないはずの音は記録されません。例えば、一般的に人間は、似たような大きな音と同時に再生される小さな音を知覚できません。非可逆圧縮技術では、この小さな音を識別して除去しようとします。また、量子化ノイズは、より目立つ音によってマスキングされる場合、「隠蔽」される可能性があります。低圧縮では、小さなブロックサイズで保守的な心理モデルが使用されます。
心理音響モデルが不正確な場合、変換ブロックサイズが制限されている場合、または積極的な圧縮が使用されている場合、圧縮アーティファクトが発生する可能性があります。圧縮されたオーディオにおける圧縮アーティファクトは、通常、リンギング、プリエコー、「鳥の鳴き声のようなアーティファクト」、ドロップアウト、ガタガタ音、ワウフワ音、金属的なリンギング、水中のような感覚、ヒスノイズ、または「ざらつき」として現れます。
音声における圧縮アーティファクトの一例として、比較的圧縮率の高い音声ファイル（例えば96kbps のMP3ファイル）に含まれる拍手が挙げられます。一般的に、音楽の音色は波形が繰り返し、音量の変化も予測しやすいのに対し、拍手は本質的にランダムであるため、圧縮が困難です。高圧縮された拍手のトラックには、「金属的な響き」などの圧縮アーティファクトが発生する可能性があります。
圧縮アーティファクトは、意図的に視覚スタイルとして使用されることもあり、「グリッチアート」と呼ばれることもあります。Rosa Menkmanのグリッチアートは圧縮アーティファクトを利用しており、[ 16 ]特にJPEGデジタル画像やMP3デジタルオーディオなどのほとんどのデジタルメディアデータ圧縮フォーマットに見られる離散コサイン変換ブロック (DCT ブロック) が使用されています。[ 2 ]静止画の例としては、ドイツの写真家Thomas RuffのJpegsがあり、これは意図的なJPEGアーティファクトを写真のスタイルの基礎として使用しています。[ 17 ] [ 18 ]
ビデオアートでは、データモッシングという手法が用いられており、2 つのビデオをインターリーブして、中間フレームを 2 つの別々のソースから補間します。別の手法としては、ロッシーなビデオ形式から別の形式に単純にトランスコードする方法があり、これは、別々のビデオコーデックが動きと色の情報を処理する方法の違いを利用します。[ 19 ]この手法は、2006 年にアーティストのベルトラン・プレーンズがクリスチャン・ジャックマンと共同で DivXPrime を使用して開拓し、[ 20 ]スヴェン・ケーニッヒ、村田武、ジャック・ペルコント、ポール・B・デイビスがPaperradと共同で使用し、最近では、デビッド・オライリーがChairliftのミュージックビデオで、またナビル・エルダーキンがカニエ・ウェストの「Welcome to Heartbreak」ミュージックビデオで使用しています。[ 21 ] [ 22 ]
インターネットミームには、しばしば意味不明な画像を意図的に、時には複数回圧縮してコメディ効果を狙ったジャンルも存在する。この手法で作成された画像は「ディープフライ」と呼ばれることが多い。[ 23 ]
