映像コーデックとビデオ圧縮(H.264·HEVC·AV1·VVC)

1. 概要

A. 定義

映像コーデック(Video Codec)とは、デジタルビデオを符号化(Encoding)で圧縮して保存·伝送コストを削減し、再生時に復号(Decoding)で復元するアルゴリズム·規格の総称であり、人間の視覚の限界と映像信号の冗長性を数学的に除去して知覚品質を維持しながらデータ量を数十~数百倍削減する非可逆圧縮(lossy compression)技術である。

コーデック(Codec)という語自体が符号化器(Coder)と復号器(Decoder)の合成語である。ビデオは1秒間に24~60枚のフレームが、各フレームが数百万画素で、画素ごとに色を持つ巨大な3次元(横×縦×時間)信号である。たとえば4K(3840×2160)映像を圧縮なしで毎秒60フレーム、画素あたり24ビットで表すと約11.9 Gbps(3840×2160×60×24)に達し、いかなるインターネット回線でもリアルタイム伝送は不可能である。映像コーデックはこの原信号から「人間がほとんど認知しない」情報をふるい落とし、残った核心のみを効率的に符号化して、同等の体感品質を数十Mbps以下に引き下げる。すなわちコーデックは「何を捨てても人間は分からないか」という知覚モデルと「残ったものをいかに最短で表現するか」という情報理論が結合した工学的産物である。

B. 登場背景および必要性

映像トラフィックの爆発がコーデック高度化の根本的動因である。全世界のインターネットトラフィックの過半が映像であり、OTTストリーミング·ビデオ会議·CCTV·ショート動画·クラウドゲーミングがいずれも映像伝送に依存している。さらに解像度はFHDから4K·8Kへ、フレームレートは30fpsから120fpsへ、明暗表現はSDRからHDRへと拡張し続けてきた。原データ量は解像度の二乗とフレームレートに比例して増えるが、ネットワーク帯域と記憶媒体の成長速度はこれに追いつかない。この間隙を埋める唯一の手段が圧縮効率の継続的向上であり、そのためおよそ10年周期で「直前世代の半分のビットレートで同じ品質」を目標とした新標準が登場してきた。

経済的動機も明確である。Netflix·YouTubeのような超大型事業者にとってビットレート1%の削減は、ただちに莫大なCDN·帯域コスト削減とバッファリング減少に直結する。逆に利用者の立場では、同じ料金プラン·回線でより高い画質を、モバイルではデータ消費を抑えて視聴できる。放送·衛星のように割当帯域が固定された領域では、より効率的なコーデックがそのまま、より多くのチャネルまたはより高い画質を意味する。このようにコーデック効率は単なる技術指標ではなく、サービスの原価構造とユーザ体験を同時に左右する中核変数である。

圧縮の可能性は根本的に、映像信号のエントロピー(不確実性)が低いという事実から生じる。自然映像は隣接画素·連続フレームが強く相関しており、実際に含まれる情報量は原ビット数よりはるかに小さい。情報理論のシャノン限界(Shannon limit)は「可逆ではエントロピー以下に減らせない」という下限を規定するが、ビデオは人間が感じ取れない部分を捨てる非可逆圧縮を許すため、その限界をはるかに下回るビットレートが可能である。コーデック設計とは結局「与えられたビット予算で知覚歪みを最小化する」工学的最適化であり、これが後述する率-歪み最適化の理論的背景である。

C. 中核的特徴

映像コーデックの性格は4点に要約される。第一に非対称演算 — 符号化は最適な予測モードと動きベクトルを探索するため、復号よりはるかに重い(リアルタイム送出時はハードウェア加速が必須)。第二に率-歪みトレードオフ(Rate-Distortion trade-off) — ビットを少なく使うほど歪みが大きくなるため、すべての設計はこの曲線上の最適点を見つける問題に帰着する。第三に標準と実装の分離 — 標準は「復号器がどう解釈するか(ビットストリーム文法)」のみを規定し、符号化品質は実装(エンコーダ)に委ねて競争を促す。第四にライセンス依存性 — 特許ロイヤリティ構造が採用率を左右し、これがロイヤリティフリーコーデック(AV1)登場の直接的背景となった。

この4特徴は互いに絡み合ってコーデックの実際の成否を決める。いくら率-歪み効率が優れていても、非対称演算の負担ゆえにハードウェアデコーダがなければモバイルでは敬遠され、ライセンスが不透明ならエコシステムは動かない。したがってコーデックを評価する際は、圧縮率という単一の軸ではなく効率·複雑度·ライセンス·エコシステムの4次元で総合的に捉える視点が、技術士の観点では特に重要である。

2. ビデオ圧縮の基本原理とハイブリッドコーデック構造

A. 四つの冗長性(Redundancy)除去原理

ビデオ圧縮は「捨ててよい情報」を四つの冗長性に分けて除去する。空間的冗長(spatial redundancy) は1フレーム内の隣接画素がおおむね似ているという性質であり、画面内予測と変換符号化で除去する。時間的冗長(temporal redundancy) は連続するフレームがほぼ同じで一部のみが動くという性質で、動き補償予測で除去する — これがビデオ圧縮が静止画(JPEG)よりはるかに高い圧縮比を得る核心である。統計的冗長(statistical redundancy) は特定のシンボルが頻繁に現れるという性質であり、エントロピー符号化で除去する。心理視覚的冗長(psycho-visual redundancy) は人間の目が明るさには敏感だが色差·高周波ディテールには鈍感であるという知覚特性で、クロマサブサンプリング(4:2:0)と量子化で活用する。

この四原理は独立ではなくパイプラインとして結合される。予測で時間·空間冗長を除去して残差(residual、予測と実際の差)のみを残し、残差を変換·量子化して心理視覚冗長を除去し、最後にエントロピー符号化で統計冗長を除去する。世代を重ねたコーデック発展の本質は、この各段階を「より精緻だがより高価に」して圧縮効率を引き上げたことである。

flowchart LR
  IN["入力フレーム"] --> PRED["予測<br/>(画面内/画面間)"]
  PRED --> RES["残差信号<br/>(原本 - 予測)"]
  RES --> T["変換(DCT/DST)"]
  T --> Q["量子化"]
  Q --> ENT["エントロピー符号化<br/>(CABAC など)"]
  ENT --> BS["圧縮ビットストリーム"]
  Q --> IQ["逆量子化·逆変換"]
  IQ --> REC["復元フレーム"]
  REC --> ILF["インループフィルタ<br/>(デブロッキング/SAO/ALF)"]
  ILF --> DPB["復元フレームバッファ<br/>(参照フレーム)"]
  DPB --> PRED

B. ハイブリッドブロックベース符号化構造

1990年代以降ほぼすべての商用コーデック(H.26x, MPEG, AV1)は、ハイブリッドブロックベース符号化(hybrid block-based coding) という同一の骨格を共有している。「ハイブリッド」とは予測(predictive coding)と変換(transform coding)を結合したという意味であり、「ブロックベース」とはフレームを矩形ブロックに分けてブロック単位で処理するという意味である。フレームはまず大きな符号化単位に分割され、その後映像特性に応じて再帰的により小さく分割される。H.264は16×16マクロブロック(MB)を、HEVCは最大64×64 CTU(Coding Tree Unit)を四分木で、VVCは最大128×128ブロックを四分木+マルチタイプツリー(QTMT) でより柔軟に分割する。複雑な領域は細かく、平坦な領域は大きく分けてビットを効率的に配分することが、分割構造進化の核心である。

エンコーダは各ブロックごとに数多くの選択肢(予測モード、分割深度、変換サイズ、参照フレーム)を前に率-歪み最適化(RDO, Rate-Distortion Optimization) で最適な組合せを選ぶ。RDOは費用関数 J = D + λ·R(Dは歪み、Rはビット量、λはラグランジュ乗数)を最小化する選択を見つける過程であり、コーデック世代が上がるほど選択肢数が急増してエンコーダ演算量が指数関数的に増える。まさにこの「より多くのツールとより深い探索」が、圧縮効率向上の代償として符号化複雑度を数倍~数十倍高める根本的理由である。

flowchart TB
  F["1フレーム"] --> SPLIT["ブロック分割<br/>(CTU/CU 四分木)"]
  SPLIT --> DEC{"ブロック種別決定<br/>(RDO)"}
  DEC -->|画面内| INTRA["Intra 予測<br/>(方向性モード)"]
  DEC -->|画面間| INTER["Inter 予測<br/>(動き推定·補償)"]
  INTRA --> R["残差生成"]
  INTER --> R
  R --> TQ["変換·量子化"]
  TQ --> E["エントロピー符号化"]
  INTER -.参照.-> REFBUF["参照フレームバッファ"]

C. 色空間とクロマサブサンプリング

心理視覚冗長は色表現で最も先に活用される。コーデックは入力をRGBではなく輝度(Y)と色差(Cb, Cr) に分離したYCbCr色空間で扱う。人間の目は明るさ(Y)には非常に敏感だが色(CbCr)の空間解像度には鈍感であるため、色差成分の解像度を半分に減らすクロマサブサンプリングを適用しても体感低下はほとんどない。最も広く使われる4:2:0は色差を横·縦ともに半分に減らして色情報量を1/4に圧縮し、これだけでも符号化前にデータ量を相当に減らす。

放送·一般ストリーミングはほとんど4:2:0を使うが、字幕·グラフィックの色境界が重要な編集·マスタリングワークフローや画面共有では、色のにじみを防ぐため4:2:2 や4:4:4(サブサンプリングなし)を使う。すなわちサブサンプリングの選択は「人間の目の鈍感さをどこまで活用するか」と「用途上の色精度がどれほど重要か」の間のトレードオフであり、同じコーデックでもプロファイルによって対応範囲が異なる。この段階は予測·変換以前にすでに大きな圧縮利得を与える、コーデックパイプラインの暗黙の第一関門である。

D. フレーム種別とGOP構造

時間的冗長除去はフレームを3種別に分けて行う。Iフレーム(Intra) は他のフレームを参照せず自己圧縮され、ランダムアクセス·誤り復元の基準点になるが容量が大きい。Pフレーム(Predictive) は先行フレームを単方向参照して差分のみを符号化し、Bフレーム(Bi-directional) は過去と未来のフレームを双方向参照して最も高い圧縮比を得る。これらの反復単位がGOP(Group of Pictures) であり、たとえば I B B P B B P … 構造で配列される。GOP長を伸ばすと圧縮効率は良くなるがランダムアクセス点が減り、誤り伝播リスクが大きくなるため、ストリーミングではセグメント境界ごとにIフレームを置く形でトレードオフする。実際、Netflix·YouTubeの適応型ストリーミング(ABR)は2~6秒セグメントの開始をIフレームに整列させ、画質切替時に途切れが生じないよう設計する。

3. 中核的符号化技術

A. 予測(Prediction):画面内·画面間

画面内予測(Intra prediction) は同じフレーム内のすでに復元された周辺画素で現在ブロックを推定する。H.264が9個の方向モードを提供したのに対し、HEVCは35個、VVCは67個の角度モードに加え行列ベースイントラ予測(MIP) のような学習型ツールまで導入した。方向モードが増えるほど境界·質感の方向をより正確に追って残差を減らすが、モード探索コストも同時に増加する。

画面間予測(Inter prediction) はビデオ圧縮の心臓である。現在ブロックと最も似た領域を参照フレームから探し(動き推定、Motion Estimation)、その位置差を動きベクトル(MV) で表し、参照ブロックを取ってきて予測値とした後(動き補償、Motion Compensation)、残差のみを符号化する。世代が上がるにつれMV精度は1/4画素からVVCの1/16画素へ、参照フレーム数とブロックサイズはより柔軟になり、HEVCのMergeモード、VVCのアフィン動き補償(affine motion、拡大·回転まで表現) や双方向オプティカルフロー(BDOF)などの高度なツールが追加された。たとえばカメラがズーム·回転する場面で従来の平行移動MVは予測が外れたが、アフィンモデルはブロックの変形まで近似して残差を大きく減らす — これがVVCが特定コンテンツでHEVC比で顕著な利得を出す一因である。

動き推定はエンコーダ演算量の大部分を占める最も重い段階である。理論的には参照フレームのすべての候補位置を調べる全探索(full search)が最適だが非現実的に高価であるため、実際のエンコーダはダイヤモンド·六角探索のような高速探索ヒューリスティックで候補を減らす。また整数画素単位で大まかに探した後、補間を経てサブ画素(sub-pel)単位で精緻化する2段階構造を使う。サブ画素精度を高めると小さな動きも正確に補償して残差が減るが、補間フィルタ演算とMVシグナリングコストが増える。隣接ブロックのMVを予測値とし差分のみを符号化するMV予測(MVP) も、MV自体の統計的冗長を除去する重要な最適化である。結局、画面間予測の品質は「どれほど広く精緻に探索するか」に比例し、この探索深度が符号化速度と品質を分ける中核のつまみとなる。

B. 変換(Transform)と量子化(Quantization)

予測後に残った残差は離散コサイン変換(DCT)(一部ブロックはDST)で周波数領域へ移す。自然映像のエネルギーは低周波に集中するため、変換後は少数の大きな係数と多数の小さな係数に分かれる。続いて量子化が各係数を量子化ステップ(QP)で割って丸めるが、この段階で情報が実際に捨てられる(非可逆圧縮の源泉)。高周波係数を粗く量子化すると人間がよく感じられないままビットを大きく節約できる — これが心理視覚冗長除去が具体的に作動する地点である。QPを高めるとビットレートは下がるがブロックノイズ·ぼけが増えるため、エンコーダは場面ごとにQPを適応調節(adaptive QP)して体感品質を守る。VVCは大きなブロックのための64点変換、多重変換選択(MTS)、低周波非分離変換(LFNST)などで変換効率を一段と引き上げた。

C. エントロピー符号化(Entropy Coding)

量子化された係数·MV·モード情報は最後に統計的冗長を除去するエントロピー符号化で圧縮される。H.264はCAVLC(可変長)とCABAC(文脈適応2値算術符号化)を選択的に提供し、HEVC·VVCは効率の高いCABACに一本化した。CABACは各シンボルの出現確率を文脈に応じてリアルタイムに更新しながら算術符号化でシンボルあたり1ビット未満まで圧縮するが、この高効率の代償としてビット間依存性が大きくなり並列化が難しい。AV1は類似の多シンボル算術符号化を使う。エントロピー符号化は全体利得の相当部分を担うが本質的に逐次的であるため、高解像度リアルタイム処理ではデコーダのボトルネックになることもある。

D. インループフィルタ(In-loop Filter)

ブロック単位処理は必然的にブロック境界の不連続(ブロッキングアーティファクト)とリンギングを生む。これを緩和するため復元フレームにデブロッキングフィルタを適用し、HEVCは追加でSAO(Sample Adaptive Offset)、VVCはALF(Adaptive Loop Filter) まで載せる。核心はこのフィルタリングが符号化ループ内で行われ、フィルタリングされたフレームが次フレームの参照に使われる点である。したがってエンコーダとデコーダがまったく同じ復元結果を共有し、ドリフトが生じない。

フィルタが精緻になるほど参照品質が高まり、以後の予測が良くなる好循環が生じるが、デコーダの演算負担も同時に増える。特にALFはウィナーフィルタ(Wiener filter)係数をフレームごとに適応算出して復元信号を原本に近く戻すが、この係数自体をビットストリームに載せて送らねばならないため、「フィルタ利得対シグナリングコスト」のトレードオフがもう一度発生する。このようにコーデックのすべての新規ツールは例外なく、得られる圧縮利得と追加演算·シグナリングコストの間の秤で採用可否が決まる。

E. ビットレート制御(Rate Control):CBR·VBR·CRF

同じコーデック·同じツールを使っても、ビットを時間軸にどう配分するか(rate control)が最終品質と伝送適合性を左右する。CBR(固定ビットレート) は毎秒のビット量を一定に保ち、帯域が固定された放送·リアルタイム送出に適するが、複雑な場面で品質が急落する欠点がある。VBR(可変ビットレート) は複雑な場面にビットをより使い単純な場面で節約して平均品質を高め、保存·VODに有利である。CRF(Constant Rate Factor) はビットレートではなく「目標品質」を固定しビットはそれに合わせて変動させる方式で、x264·x265·AV1エンコーダで広く使われる。

実務ではこれらが2パス符号化(1次で複雑度分析、2次でビット配分)やVBV(Video Buffering Verifier)制約と結合される。たとえばOTTはセグメントごとのピークビットレート上限を置いてデコーダバッファのアンダーランを防ぎつつ、場面複雑度に応じてビットを柔軟に配分するcapped VBR をよく採用する。結局rate controlは「ネットワーク·バッファという現実の制約の中で率-歪み曲線の最適点をどう時間軸に分配するか」の問題であり、コーデック効率に劣らず体感品質に直接的な影響を与える。

F. 品質測定(Quality Metrics):PSNR·SSIM·VMAF

「圧縮をうまくやった」を判断するには歪みを客観的に測らねばならない。伝統的にPSNR(最大信号対雑音比) は原本と復元の画素差を計算して簡単だが、人間の知覚との相関が低く「数値は良いが目には悪い」場合が頻繁である。SSIM(構造的類似性) は明るさ·コントラスト·構造をともに比較して知覚により近く、Netflixが公開したVMAF(Video Multimethod Assessment Fusion) は複数の品質特徴を機械学習で融合して人間評価(MOS)と高い相関を示す。

これらの指標は率-歪み最適化の歪み項(D)と符号化ラダー設計の品質目標として直接使われる。たとえばper-title符号化は「VMAF 93点を最小ビットレートで達成」する形でコンテンツごとのビットレートを定める。ただしいかなる単一指標も完璧ではないため、実務では複数指標と主観評価(ゴールデンアイ) を併行し、世代間効率比較でも指標依存性を明示してこそ信頼できる。品質測定の精緻化自体が「コーデックを変えずに品質を上げる」もう一つのてこである。

4. コーデック世代別比較と選択

コーデックの歴史は「およそ10年ごとに効率2倍」の流れに要約される。H.264/AVC(2003)はインターネット映像を大衆化し、H.265/HEVC(2013)は4K時代を開きH.264比で約50%のビットレート削減を達成した。2018年にAlliance for Open Media(AOMedia)が出したAV1はロイヤリティフリーを標榜しVP9·HEVCより高い効率を提供し、2020年にJVET(ITU-T·MPEG共同)が標準化したH.266/VVCはHEVC比で再び約50%削減を目標に設計された。ただし世代間効率比較の数値は解像度·コンテンツ·エンコーダ成熟度によって偏差が大きいため単一の百分率で断定しにくく、一般に高解像度であるほど新世代コーデックの利得が大きくなる傾向がある。

ロイヤリティフリー陣営の系譜も重要である。Googleが買収したOn2技術を基に公開したVP8·VP9は、ウェブ·YouTubeでHEVC特許負担を避ける代替として定着し、この流れがGoogle·Amazon·Microsoft·Netflix·Intelなどが結成したAOMediaのAV1へ収束した。すなわちAV1は単一企業の産物ではなく、HEVCのライセンス不確実性に対する産業界の集団的対応として生まれたものである。この背景を理解してこそ「なぜ効率が最高でないコーデックがより速く広がるのか」という逆説が説明される。

ここで重要な分岐点が技術効率と普及の間の乖離である。VVCは効率が最も高いが、HEVCの複雑だった特許プールの経験ゆえにライセンス不確実性が普及の最大の障害と指摘され、ハードウェア復号支援も緩やかに拡散中である(例:Intel Lunar LakeがPC用にネイティブVVC復号を支援し始めた)。逆にAV1は効率こそVVCにやや及ばないかコンテンツによって同等水準だが、ロイヤリティフリーという決定的な利点とYouTube·Netflixなどプラットフォームの大規模採用、主要ブラウザ·モバイルSoCのハードウェア復号拡散で実質普及において先行している。すなわち「最も良いコーデック」ではなく「ライセンス·エコシステム·ハードウェアが整ったコーデック」が勝つという教訓を、HEVCの緩やかな拡散とAV1の台頭が同時に示している。

コーデック	標準化(年)	主管	効率(直前比)	ライセンス	備考
H.264/AVC	2003	ITU-T/MPEG	基準	ロイヤリティ	最広範な互換
H.265/HEVC	2013	ITU-T/MPEG	~50%↓	複雑な特許プール	4K放送·UHD
VP9	2013	Google	HEVC類似	ロイヤリティフリー	YouTube
AV1	2018	AOMedia	VP9/HEVC上回る	ロイヤリティフリー	OTT·ウェブ拡散
H.266/VVC	2020	JVET	HEVC比 ~50%↓	不確実性が残存	高効率、普及初期

コーデック選択は単純な効率ではなく対象機器のハードウェア復号の有無、ライセンスコスト、遅延(リアルタイム性)要求、エコシステム成熟度を総合した意思決定である。ソフトウェア復号は新世代コーデックであるほど電力·発熱が大きくモバイルで不利であるため、実務では「ハードウェア加速が効く最も効率的なコーデック」を選び、非対応機器のためにH.264フォールバックを併せて提供するマルチコーデック符号化戦略が一般的である。

効率差を具体的に体感するための例を挙げると、先に計算した4K60原映像の約11.9Gbpsは、H.264でおおよそ2030Mbps水準まで圧縮され約400600倍の圧縮比を得る。同等の体感品質をHEVCはおおよそその半分の10~15Mbpsで、VVC·AV1系は状況によってより低いビットレートで届けられる(実際の数値はコンテンツ·エンコーダ設定に大きく左右されるため範囲として理解すべきである)。この削減幅が数億人規模のストリーミングでCDNコストとバッファリング率に換算されるため、大型事業者は莫大な符号化演算を甘受してまで新世代コーデックとコンテンツ適応符号化に投資する。逆に小規模サービスは符号化コスト·互換性を考慮してH.264中心にとどまる場合が多く、同じ技術でも事業規模によって最適な選択が変わる。

5. 深化:最新動向と符号化高度化

ハードウェア符号化の進化も欠かせない。超大型プラットフォームはソフトウェア符号化の電力·演算の限界を超えるため、専用符号化ASIC(例:YouTubeのArgos VCU、専用トランスコーディング加速器)とGPUエンコーダを大規模に投入し、数億時間分のアップロードを経済的に新世代コーデックへ変換する。加速器はスループット·電力効率に優れるがソフトウェア比で圧縮効率がやや低いトレードオフがあり、コンテンツ人気度に応じて「よく見られる映像のみ遅く精緻なソフトウェア符号化で再処理する」階層的戦略を使う。これはコーデック選択が符号化インフラ設計と切り離せないことを示す代表的な事例である。

コーデック自体の世代交代とは別に、符号化方式の知能化が実質品質を大きく引き上げている。Netflixが主導したコンテンツ適応符号化(per-title / CAE) は、すべてのコンテンツに固定ビットレートラダーを使う代わりに、アニメーションのように圧縮が容易なコンテンツには低いビットレートを、複雑なアクションには高いビットレートを割り当て、同等の体感品質で帯域を大きく節約する。さらに場面(shot)単位で最適化するshot-based encodingと、VMAFのような知覚品質指標ベースの最適化が結合し、「コーデックを変えずとも」相当な効率改善を得る。

ここでしばしば混同される概念がコーデックとコンテナ(container)の区別である。コーデックは「映像ビットストリームをどう圧縮するか」の規格であり、MP4·MKV·WebMのようなコンテナは「圧縮された映像·音声·字幕トラックと同期情報をどう一つのファイルに収めるか」の規格である。同じAV1ビットストリームがMP4にもWebMにも収められうるため、再生互換性問題はコーデック非対応とコンテナ非対応を区別して診断せねばならない。またHDR(High Dynamic Range)はコーデックとは別に色メタデータ(伝達関数PQ/HLG、色域BT.2020) をビットストリームに載せて伝達するが、HDR10·Dolby Vision·HDR10+ はこのメタデータ体系の違いであってコーデック自体ではない。したがって「4K HDR AV1」のような組合せは、コーデック·コンテナ·HDRメタデータ·色空間がそれぞれ互換であってはじめて正常に再生される。

最も注目すべき流れがAIベース(ニューラル)ビデオ圧縮である。オートエンコーダで映像を潜在表現に圧縮したり、伝統コーデックの特定段階(予測·フィルタ)をニューラルネットワークに置き換える研究が活発である。MPEGはNNVC(Neural Network-based Video Coding) と特徴圧縮標準(VCM, Video Coding for Machines)を推進中であり、これは人間が見る画質ではなく機械が分析する特徴を圧縮するという新たなパラダイムを開く(例:CCTVで人検出に必要な情報のみを伝送)。次世代標準としてはAOMediaのAV2とJVETの実験モデルECMが開発中であり、両陣営の効率·ライセンス競争の構図が2020年代後半のコーデック地形を決める見込みである。

遅延特性による分化も明確である。ビデオ会議·画面共有(WebRTC)やクラウドゲーミング·XRのように超低遅延が必須の領域では、Bフレームのように遅延を誘発するツールを避け、圧縮効率より遅延·複雑度·誤り耐性を選択基準とする。このため効率がやや低くても軽いプロファイルや低遅延設定が採用される逆転現象が現れ、ネットワーク損失に備えた参照構造(例:ロングターム参照、SVC階層符号化)が併せて使われる。逆にVODは時間をかけて2パス·場面単位最適化を行えるため効率を極限まで追求する。要するに「リアルタイムか非リアルタイムか」がコーデックツールセットと設定を根本的に分ける。

6. 考慮事項および示唆点

映像コーデックの導入·移行は次を総合して戦略的に判断せねばならない。

ハードウェア復号依存性(適用戦略):新世代コーデックの効率利得は対象端末にハードウェアデコーダがあるときのみ実現される。移行ロードマップはSoC·TV·ブラウザのハードウェア支援普及曲線に合わせて立て、非対応端末のための下位コーデックフォールバックを必ず併行せねばならない。
効率-複雑度-遅延の三角トレードオフ(トレードオフ):圧縮効率を高めると符号化複雑度と遅延が大きくなる。VODは効率を、リアルタイム放送·ビデオ会議·クラウドゲーミングは低遅延·低複雑度を優先する形で、用途別にコーデック·プロファイルを分離することが合理的である。
ライセンス·エコシステムリスク(展望):HEVCの分裂した特許プールが普及を遅らせた前例は、コーデック選択が技術指標ではなく総所有コスト(TCO)と法的リスクの問題であることを示す。ロイヤリティフリー(AV1/AV2)と標準コーデック(VVC)の間の選択時は、特許構造·予測可能性を中核変数とすべきである。
符号化知能化への投資移動(連携技術):コーデック交代周期が10年と長いだけに、短期の効率改善はper-title·shot-based·VMAFベースの符号化最適化とABRラダーのチューニングから生まれる。コーデック移行とは別に、符号化パイプライン·品質指標への投資が即時のコスト削減効果が大きい。
新規パラダイムへの備え(展望):VCM(機械用ビデオ符号化)·ニューラルコーデックは「人間が見る画質」中心の既存前提を揺るがす。AI分析が消費の中心になるCCTV·自動運転·産業映像では、知覚品質ではなく分析精度基準の圧縮が要求されるため、中長期のアーキテクチャ設計時にこの流れを先取りして反映すべきである。
相互運用性·標準準拠(適用戦略):コーデックはビットストリーム文法のみを標準化しエンコーダ実装は自由であるため、特定エンコーダに依存すると品質·互換性リスクが生じる。標準適合性検証(conformance)、コンテナ·DRM·HDRメタデータのend-to-end相互運用テストを移行前に必ず実施し、多端末環境ではコーデック·解像度·HDR組合せ別の再生マトリクスを事前検証すべきである。

参考資料

ITU-T H.266 / ISO-IEC 23090-3 (Versatile Video Coding): https://www.itu.int/rec/T-REC-H.266
Alliance for Open Media — AV1: https://aomedia.org/av1/
Fraunhofer HHI — VVC(H.266) 概要: https://www.hhi.fraunhofer.de/en/departments/vca/technologies-and-solutions/h266-versatile-video-coding.html
Netflix Tech Blog — Per-Title/Dynamic Optimization: https://netflixtechblog.com/dynamic-optimizer-a-perceptual-video-encoding-optimization-framework-e19f1e3a277f

一言まとめ: 映像コーデックは空間·時間·統計·心理視覚の冗長をハイブリッドブロックベース符号化(予測→変換·量子化→エントロピー→インループフィルタ)で除去する非可逆圧縮技術であり、H.264→HEVC→VVC/AV1と効率は10年ごとに約2倍上がったが、実際の採用はハードウェア復号·ライセンス·エコシステムが左右する。