针对 JPEG XL 的案例

研究 JPEG XL 作为 Web 图像编解码器的地位。为什么？ JPEG XL 是一种技术上令人印象深刻的图像编解码器；它是对 JPEG 的明确升级，比 WebP 更通用，并且能够很好地服务于 Web 之外的用例。然而，众所周知，它在 2023 年被 Chrome 拒绝了。由于这种情况发生在 JPEG 委员会的免版税、灵活、压缩高效的编解码器上，该编解码器受到了大公司的关注，因此这一决定并没有得到很多人的认可。最近，Rust 中的 JPEG XL 解码器已以某种方式进入 Firefox 和 Chrome。因此，鉴于新的解码器可能会保护网络免于重蹈 2023 年 WebP 漏洞的覆辙，网络的主要利益相关者可能会改变 JPEG XL 的方向。这就是证明 JPEG XL 在 Web 上的合理性的全部吗？从历史上看，我一直大力支持在所有用例中使用 JPEG XL。我在 Interop 2024 上认可了 JPEG XL，并且我曾与 Jon Sneyers 和 Jyrki Alakuijala（该格式的两位主要作者）私下进行过多次互动。他们的公共行为、冷静、技术能力和对该领域的热情一直给我留下了深刻的印象。本文无意诋毁该格式的作者或其作品，也无意声称与该编解码器在自由软件中的象征意义有任何政治联系。这篇文章的精神是有教育意义的；我想对 2026 年图像压缩和 Web 平台的当前状态进行实证研究。一些灵感来自 Dmitry Grinberg 的《RISC-V：他们应该更了解》。我做的Web图像压缩工作，最初来自于视频压缩。在研究 AV1 编码器时，Julio Barba 和我在 AVIF 方面取得了重大进展，我在这个过程中学到了很多东西。当我决定开始构建自己的编码器时，我必须非常认真地思考我认为哪些格式具有最高的上限，可以有效优化，并且具有最当前和潜在的实用性。我决定不使用 JPEG XL。从数量上看，网络上几乎没有什么用例不是由多功能有损压缩提供的。普通网络消费者不需要无损；他们需要无损。他们只需要一个足够通用的有损编解码器来防止可怕的伪像（例如非摄影内容上的 JPEG）。这排除了 JPEG XL 的无损优势，实际上它只比无损 WebP 小大约 11.9% – 并且是在不切实际的 Web 测试数据集上（157 MP 照片、10 MP 插图和 27 MP 书籍）。在浏览器中引入新的图像编解码器以在少量图像内容上节省 12% 的成本是不值得的，而用例本质上对带宽限制不太敏感。我这样说是因为 JPEG XL 在有损方面没有竞争力，因此无损将是它唯一真正的优势。有损压缩效率 JPEG XL 的原始论据之一是其参考编码器比竞争编码器在感知上更加优化。现在，在速度和每比特保真度方面，其他编码器都更强。 AV1 参考编码器接受了基于受控主观人体试验的专门感知调整，以提高其效率，同时保持针对感知指标优化的调整模式。 SVT-AV1 具有类似的调谐模式。没有令人信服的论据表明现代编码器不适合人眼。指标并不完美，但它们为 JPEG XL 描绘了一幅令人畏惧的图景：CVVDP MS-SSIM SSIMULACRA2光圈-alpha 是 Halide Compression 即将推出的编码器，代号为 Aperture。我添加它是为了展示 libjxl 需要弥补多少基础才能在前沿竞争。一些分析声称 JPEG XL 在相对于其感知强度的指标上表现不佳，但我没有看到足够的证据表明这达到了像我分享的那样的图表可以秘密完全逆转的程度。 CVVDP 和 SSIMULACRA2 是非常强大的感知指标，当差异如此之大时，它们肯定会告诉我们一些东西。对于 AVIF，libaom 的感知优化调优（tune IQ）仅比其感知度量优化调优（tune SSIMULACRA2）低几个点。另外，JPEG XL 参考编码器历来都存在感知问题，而这些问题在很大程度上仍未得到解决。不存在编解码器基准，只有编码器基准；理论上，JPEG XL 作为一种格式的上限比 libjxl 更高。但缩小差距有多难呢？作为一名压缩工程师，我认为这里是处于劣势的。一些原因： JPEG XL 没有方向预测模式。压缩图像被分为 VarDCT 块（从 2x2 到 256x256）并转换为其像素的频率表示。其他基于块的图像编解码器（例如 WebP）允许您使用周围数据预测块的像素，从实际像素中减去该预测，然后进行频率变换。如果编码器未在感知上进行优化，方向预测模式可能会导致模糊，但强大的模式决策管道可以为目标选择正确的模式。