量子ディザリングHDR圧縮 2025 — ハイブリッドガンマでXRと放送を両立する設計

生成AIによるHDRビジュアルと量子ドットディスプレイの普及で、ストリーミング / 放送 / XR の各チャネルで同じビジュアルを正確に再現する責務が高まりました。従来の PQ 固定プロファイルではブロードキャスト向け HLG との整合が取れず、逆に放送寄りに最適化すると XR ヘッドセットで帯域と輝度が浪費されるというジレンマが生じます。既存の HDR→sRGBトーンマッピング実務 2025 — 破綻させない配信フロー や 画像圧縮 完全戦略 2025 ─ 画質を守りつつ体感速度を最適化する実践ガイド を踏まえ、本稿では量子ディザリングとハイブリッドガンマを軸にした新しいHDR圧縮の運用をまとめます。さらに、制作現場・SRE・配信事業者が共通で参照できる KPI 設計と、品質劣化を早期に検出する体制構築までを網羅します。

背景とチャネル別の課題

• XR / メタバース: 高密度ピクセルと微細な輝度変化が求められる一方で、ディスプレイの輝度安全域 (MaxCLL) を超過すると眩惑や長時間装着時の疲労を誘発。ヘッドセットごとのディスプレイ特性差も大きく、ガンマプロファイルのバリエーションが爆発しやすい。
• 放送 (HLG): 衛星・地上波では HLG 基準によるガンマ曲線が必須だが、制作サイドでは PQ ベースで仕上げるケースが多くコンバート時にバンディングが発生。さらに 10bit HLG でもシャドウ領域のノイズが目立ちやすい。
• OTT / Web: ネットワーク帯域とブラウザ互換性の制約が最も大きい。Display P3 対応ブラウザと SDR の共存を意識しつつ、必要十分な輝度を確保するためのフォールバック設計が欠かせない。

これら三種のチャネル間でビジュアルを再利用するには、IEC や SMPTE が公開する標準仕様だけでなく、自社の制作ライン・配信ラインでの測定結果を指数化し、コンテンツの初期段階から共有できる仕組みが求められます。

TL;DR

• PQ × HLG のハイブリッドプロファイル: XR では PQ、放送では HLG の両立を前提に LUT を生成し、プロファイルを GitOps で管理する。
• 量子ディザリングは2段構成: 量子ノイズを予測する neural-dither モデルと、従来のブルーノイズを組み合わせて比較する。
• パーセプチュアルストリーム監視: ΔE2000 と MQP（Mean Quality Perception）を compare-slider で毎デプロイ検証し、KPI をダッシュボード化する。
• 帯域適応は3レイヤーで制御: CDNエッジ、プレイヤー、端末（XR）の各層で量子ディザリングを保持したままリサイズ。
• フォールバック設計: メタデータ欠損時は SDR へ自動降格し、コンテキストを QA スラックに通知する。

PQ/HLG カラーマネジメント計画

ハイブリッド運用では LUT を単に変換するだけでなく、ガンマカーブの維持・ハイライトのクリッピング挙動を段階的に定義する必要があります。以下のステップを踏むと、制作・配信・QA が同じ指標を扱えます。

1. プロファイル原本の単一管理: profiles/master-hdr/ に PQ/HLG 共通の LUT を配置し、変更時には必ず Pull Request でレビューする。レビュー時は CIE 1976 の u'v' 色度図スナップショットを添付し、差分を数値化。
2. トーンマッピングの階層化: PQ→HLG 変換時のトーンマッピングを soft-clip・mid-rolloff・highlight-compress の3段階で管理。各段階でシーン別に適用する LUT を用意し、scene-tags.json にシーン特性を記録する。
3. アーカイブおよび再レンダリング方針: 将来 PQ の上限が変わった場合に備え、source/ 以下に HDR RAW と LUT のペアを保管。どの LUT を使ったかをメタデータ iccLutApplied として記録する。

{
  "sceneId": "promo-glass-01",
  "lut": "lut/pq-to-hlg-softclip.cube",
  "maxCLL": 980,
  "rolloff": {
    "startNits": 650,
    "endNits": 900,
    "contrast": 0.88
  }
}

制作から配信までの全ログは observability/hdr/ に収集し、Grafana ダッシュボードで俯瞰します。MaxFALL の変化率や ΔE2000 差分を可視化することで、コンテンツ固有の異常を素早く検知できます。

MQPとΔEの測定基準

量子ディザリングの効果を可視化するには、従来の SSIM/VMAF に加えて MQP（Mean Quality Perception）と ΔE2000 の閾値を設定することが重要です。

MQP は社内ツール @unified/hdr-metrics の CLI で測定し、reports/mqp/*.json に保存することでトレーサビリティを確保します。

ハイブリッドHDR圧縮パイプライン

パイプライン設定は media-pipeline.yaml に集約し、Pull Request レビューで承認します。

profiles:
  - id: "hdr-hybrid-2025"
    primaries: "BT2020"
    transfer:
      xr: "PQ"
      broadcast: "HLG"
    maxCLL: 900
    maxFALL: 400
    dither:
      neuralModel: "models/neural-dither-v4.onnx"
      blueNoiseTiles: 64
    fallback:
      sdrTransfer: "sRGB"
      toneMap: "hable"

量子ディザリングの実装

1. Neural Dither 推定: HDR LUT に合わせたノイズを生成し、量子ドットディスプレイの偏差を最小化。
2. ブルーノイズ合成: 生成結果とブルーノイズをブレンドし、シャドウ帯域の帯域幅を抑制。
3. 分岐出力: XR 向けは 10bit AVIF、放送向けは HEVC Main10、ウェブは AVIF+JPEG XL で提供。

import sharp from "sharp"
import { applyNeuralDither } from "@unified/neural-dither"

const src = await sharp("assets/hero-hdr.exr", { unlimited: true }).raw().toBuffer()
const dithered = await applyNeuralDither(src, {
  modelPath: "models/neural-dither-v4.onnx",
  blueNoiseTile: "assets/blue-noise-64.png"
})

await sharp(dithered, { raw: { width: 4096, height: 2160, channels: 3 } })
  .withMetadata({ icc: "profiles/bt2020.icc", maxCLL: 900, maxFALL: 400 })
  .avif({ depth: 10, chromaSubsampling: "4:2:0", cqLevel: 12 })
  .toFile("dist/hero-hdr.avif")

生成したファイルは dist-manifests.json に登録し、各配信チャネルにマッピングします。チャネルごとの配信優先度を記述することで、配信フローの自動化に活用できます。

[
  {
    "channel": "xr",
    "asset": "dist/hero-hdr.avif",
    "bitrate": 18,
    "maxNits": 900
  },
  {
    "channel": "broadcast",
    "asset": "dist/hero-hdr.hevc",
    "bitrate": 22,
    "maxNits": 1000
  }
]

帯域適応と観測

• CDN レイヤー: エッジ時代の画像配信最適化 CDN 設計 2025 のルールに従い、地域別でビットレート上限を設定。
• プレイヤー レイヤー: INP 低下を避けるため、INP中心の画像配信最適化 2025 — decode/priority/スクリプト協調で体感を守る と連動したフェッチ制御。
• 端末 レイヤー: XRヘッドセットでは color-gamut: rec2020 媒体向け CSS を配布し、ガンマメタデータを同期。

# MQP モニタリング例
node scripts/hdr-monitor.mjs \
  --input dist/hero-hdr.avif \
  --reference assets/hero-hdr.exr \
  --metrics ssim,vmaf,mqp \
  --thresholds "{\"mqp\":95}"

さらに scripts/hdr-forecast.mjs で 24 時間先までの帯域需要を予測し、予測値が閾値を超過する場合は事前にエンコード設定を緩和します。ピークが想定されるイベントの 72 時間前には bandwidth-forecast.yaml を更新し、SRE・配信・マーケが同一のダッシュボードで需要見積もりを共有します。フェイルオーバー用に cdn-buckets.json へレベル別のスループットポリシーを用意し、瞬間的な負荷でもガンマ情報を欠落させないよう冗長化します。

ガードレールと運用

1. メタデータ監査: npm run -s content:validate:strict 後に scripts/check-hdr-metadata.mjs を実行し、MaxCLL 欠損を検知。
2. 視覚回帰テスト: compare-slider の自動キャプチャをPRコメントに添付し、 ΔE2000 が 3.0 を超えた場合は差し戻し。
3. フォールバック: CDNで HDR 対応外ブラウザを判定し、自動的に SDR 版を返却。 P3 画像配信ガイド 2025 — sRGB フォールバックと実機確認の手順 で扱った配色ガイドを流用。
4. アラート: VMAF < 92、もしくは MQP < 95 を検出したら Slack の #hdr-alerts に通知。
5. SRE Playbook: runbooks/hdr/incident-response.md に従い、HLS/MPD 切り戻し、LUT 再配布、エンコーダ再起動を 15 分以内に実施。対応後は Grafana のアノテーションを残し、ポストモーテムを 48 時間以内に公開する。

ケーススタディ: グローバルブランドのライブ施策

• シナリオ: 世界同時発表のライブイベントで、XR・放送・Web の 3 チャネルに同一映像を配信。
• 対応内容:
  • 事前に 12 種類の LUT を生成し、シーンタグで自動適用。
  • 帯域不足時は AVIF を優先的に低ビットレートへ切り替え、HLG 側はディザリングのみ変更。
  • hdr-monitor.mjs で MQP を 3 分ごとに計測し、Slack ダッシュボードへ自動送信。
• 成果: ΔE2000 平均 1.8、MQP 96 を維持しながら配信停止ゼロ・平均帯域 18% 削減を達成。SRE チームは Runbook に基づき 5 件の軽微な LUT 不整合を即時修正できた。

チェックリスト

• [ ] PQ/HLG プロファイルが GitOps で管理され、承認済み
• [ ] Neural + ブルーノイズディザリングが CI で成功
• [ ] MQP ≥ 95、VMAF ≥ 92 を満たす
• [ ] SDR フォールバックのトーンマップが QA 済み
• [ ] CDN / プレイヤー / 端末ログがダッシュボードで可視化
• [ ] Runbook と Slack 連携アラートが整備され、オンコールが即時対応できる

まとめ

• PQ と HLG のハイブリッドプロファイルで XR と放送双方のニーズを満たしつつ、量子ディザリングでバンディングを抑える。
• パーセプチュアル指標とメタデータ監査を自動化し、MQP・VMAF 閾値を下回る前に検知する。
• フォールバックと多層帯域制御を設計し、HDR 非対応環境でも視覚品質とブランド整合性を維持する。
• SRE と制作が共通KPIと Runbook を共有し、ライブイベントやトラフィック急増時にも安定した輝度・色再現を提供する。