Soumettre la recherche
Mettre en ligne
WebP入門
•
4 j'aime
•
4,001 vues
Norishige Fukushima
Suivre
画像圧縮の形式であるWebPを従来のJPEGやJPEG2000と計算時間や圧縮率,画像品質の面で比較します.
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 19
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
なぜGPUはディープラーニングに向いているか
なぜGPUはディープラーニングに向いているか
NVIDIA Japan
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
Takuya Akiba
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
MicroAd, Inc.(Engineer)
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
nishio
ウェーブレット木の世界
ウェーブレット木の世界
Preferred Networks
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
Takuya Akiba
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
MicroAd, Inc.(Engineer)
Devsumi 2018summer
Devsumi 2018summer
Harada Kei
Recommandé
なぜGPUはディープラーニングに向いているか
なぜGPUはディープラーニングに向いているか
NVIDIA Japan
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
Takuya Akiba
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
MicroAd, Inc.(Engineer)
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
nishio
ウェーブレット木の世界
ウェーブレット木の世界
Preferred Networks
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
Takuya Akiba
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
MicroAd, Inc.(Engineer)
Devsumi 2018summer
Devsumi 2018summer
Harada Kei
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
Preferred Networks
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
Fixstars Corporation
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
Takuya Akiba
研究の基本ツール
研究の基本ツール
由来 藤原
古典プログラマ向け量子プログラミング入門 [フル版]
古典プログラマ向け量子プログラミング入門 [フル版]
OsSAL
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
最適化超入門
最適化超入門
Takami Sato
階層ディリクレ過程事前分布モデルによる画像領域分割
階層ディリクレ過程事前分布モデルによる画像領域分割
tn1031
基板を作ろう
基板を作ろう
Kazuyuki Nakashima
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
Livesense Inc.
2015年度GPGPU実践プログラミング 第15回 GPU最適化ライブラリ
2015年度GPGPU実践プログラミング 第15回 GPU最適化ライブラリ
智啓 出川
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
Yoshiki Hayama
多倍長整数の乗算と高速フーリエ変換
多倍長整数の乗算と高速フーリエ変換
京大 マイコンクラブ
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
MITSUNARI Shigeo
ディープラーニングで音ゲー譜面を自動作成!
ディープラーニングで音ゲー譜面を自動作成!
KLab Inc. / Tech
大規模グラフ解析のための乱択スケッチ技法
大規模グラフ解析のための乱択スケッチ技法
Takuya Akiba
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
Natsutani Minoru
指数時間アルゴリズム入門
指数時間アルゴリズム入門
Yoichi Iwata
エンジニアライクにドキュメントを作成してみた件
エンジニアライクにドキュメントを作成してみた件
Mass310
JPEG Glitch入門
JPEG Glitch入門
Yuto Maeda
PNGalt0x04
PNGalt0x04
MichaelFoF
Contenu connexe
Tendances
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
Preferred Networks
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
Fixstars Corporation
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
Takuya Akiba
研究の基本ツール
研究の基本ツール
由来 藤原
古典プログラマ向け量子プログラミング入門 [フル版]
古典プログラマ向け量子プログラミング入門 [フル版]
OsSAL
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
最適化超入門
最適化超入門
Takami Sato
階層ディリクレ過程事前分布モデルによる画像領域分割
階層ディリクレ過程事前分布モデルによる画像領域分割
tn1031
基板を作ろう
基板を作ろう
Kazuyuki Nakashima
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
Livesense Inc.
2015年度GPGPU実践プログラミング 第15回 GPU最適化ライブラリ
2015年度GPGPU実践プログラミング 第15回 GPU最適化ライブラリ
智啓 出川
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
Yoshiki Hayama
多倍長整数の乗算と高速フーリエ変換
多倍長整数の乗算と高速フーリエ変換
京大 マイコンクラブ
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
MITSUNARI Shigeo
ディープラーニングで音ゲー譜面を自動作成!
ディープラーニングで音ゲー譜面を自動作成!
KLab Inc. / Tech
大規模グラフ解析のための乱択スケッチ技法
大規模グラフ解析のための乱択スケッチ技法
Takuya Akiba
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
Natsutani Minoru
指数時間アルゴリズム入門
指数時間アルゴリズム入門
Yoichi Iwata
エンジニアライクにドキュメントを作成してみた件
エンジニアライクにドキュメントを作成してみた件
Mass310
Tendances
(20)
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
研究の基本ツール
研究の基本ツール
古典プログラマ向け量子プログラミング入門 [フル版]
古典プログラマ向け量子プログラミング入門 [フル版]
研究効率化Tips Ver.2
研究効率化Tips Ver.2
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
最適化超入門
最適化超入門
階層ディリクレ過程事前分布モデルによる画像領域分割
階層ディリクレ過程事前分布モデルによる画像領域分割
基板を作ろう
基板を作ろう
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
2015年度GPGPU実践プログラミング 第15回 GPU最適化ライブラリ
2015年度GPGPU実践プログラミング 第15回 GPU最適化ライブラリ
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
多倍長整数の乗算と高速フーリエ変換
多倍長整数の乗算と高速フーリエ変換
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
ディープラーニングで音ゲー譜面を自動作成!
ディープラーニングで音ゲー譜面を自動作成!
大規模グラフ解析のための乱択スケッチ技法
大規模グラフ解析のための乱択スケッチ技法
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
指数時間アルゴリズム入門
指数時間アルゴリズム入門
エンジニアライクにドキュメントを作成してみた件
エンジニアライクにドキュメントを作成してみた件
En vedette
JPEG Glitch入門
JPEG Glitch入門
Yuto Maeda
PNGalt0x04
PNGalt0x04
MichaelFoF
串
串
Yuto Maeda
Overview of JPEG standardization committee activities
Overview of JPEG standardization committee activities
Touradj Ebrahimi
Libjpeg turboの使い方
Libjpeg turboの使い方
Norishige Fukushima
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
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
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
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
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
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
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...
Norishige Fukushima
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
Norishige Fukushima
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
Norishige Fukushima
En vedette
(17)
JPEG Glitch入門
JPEG Glitch入門
PNGalt0x04
PNGalt0x04
串
串
Overview of JPEG standardization committee activities
Overview of JPEG standardization committee activities
Libjpeg turboの使い方
Libjpeg turboの使い方
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
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
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
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...
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
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
Plus de Norishige Fukushima
画像処理の高性能計算
画像処理の高性能計算
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?~
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
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
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
Norishige Fukushima
デプスセンサとその応用
デプスセンサとその応用
Norishige Fukushima
Plus de Norishige Fukushima
(6)
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?~
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
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
Dernier
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
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.pdf
FumieNakayama
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
FumieNakayama
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
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
Yuki Kikuchi
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
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
Dernier
(8)
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)
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.pdf
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
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...
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
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)
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)
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
6.
符号化性能の比較
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
15.
計算時間の比較
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
Télécharger maintenant