AVIF知覚品質ベンチ 2025: Q/effort/チャンネル別指標と実務プリセット

要点（TL;DR）

• 単一指標最適化を禁止
  PSNR 偏重で平坦領域にビット配分→ グラデのバンディング発生。
• 写真プリセット: Q55 effort5 4:2:0
  effort4→5 のサイズ改善は約数% だが“コスト/改善” が最小谷。
• 肌/夜景のみ Q+5 再試行
  暗部ノイズ + 肌階調のバンディング低減余地がある領域。
• UI/図版は 4:4:4 or WebP
  4:2:0 は細線彩度が滲むリスク。差分が軽微なら既存 WebP 維持で十分。
• 10bit はグラデ限定
  全量10bitはデコード/エンコード遅延コスト過大。対象絞り運用。

1. 計測設計

代表カテゴリを 視覚的アーチタイプ として固定: 肌 (中周波+色相敏感) / 自然 (高周波混在) / 夜景 (低露光+暗部ノイズ) / 文字混在 (高コントラストエッジ) / 低彩度UI / グラデ（低周波連続）。サンプル各1枚より複数フレーム平均の方が安定だが、CI 時間最適化のため 5枚×カテゴリ でサンプル。

2. スクリプト断片（指標計算）

// metrics.ts (抜粋)
import sharp from 'sharp';
import { ssim } from 'ssim.js';
async function encodeAvif(buf: Buffer, q: number, effort=5){
  return sharp(buf).avif({ quality: q, effort, chromaSubsampling: '4:2:0' }).toBuffer();
}

3. 品質決定フロー

1. カテゴリ割当 – 拡張子やパス命名で自動分類。
   手動タグ付与は脱落リスク。
2. 基準プリセット適用 – Q55 effort5 を全量バッチ。
   初期比較母数を揃え差分議論を容易に。
3. 閾値逸脱検出 – ΔEavg > 2 or VMAF < 93 を再試候補。
   誤検出削減でレビュー時間短縮。
4. 局所再試行 – 該当ファイルのみ Q+5 (最大2回)。
   全再エンコード回避でCI短縮。
5. 例外承認 – まだ閾値外: keep WebP/JPEG or 4:4:4。

4. 公開前チェック

• 閾値ログ commit 済
  再現性。未コミットは回帰解析不可。
• 例外率 ≤ 5%
  例外氾濫は方針破綻サイン。
• 10bit 適用範囲記載
  将来の縮小判断が容易。
• 再エンコード時間測定
  effort過剰を検知。