このページは Cloud Translation API によって翻訳されました。

モーションフォト形式 1.0

モーションフォトは静止画像と短い動画（音声録音を含む）を含む単一のファイルです。このタイプのメディアでは、ユーザーは高解像度の静止画像、動画や音声を表示して、画像が撮影された感情や雰囲気を捉えることができます。

依存関係

この仕様の規範的なリファレンスは次のとおりです。

はじめに

「しなければならない」、「してはならない」、「必要」、「必要」、「するべき」、「推奨」、「しても構わない」、「任意」の使用は、RFC2119 で定義されている IETF 標準に準拠しています。

モーションフォト形式

モーションフォトファイルは、メインの静止画像ファイル（JPEG、HEIC、AVIF）と、それに付加されたセカンダリ動画ファイルで構成されます。プライマリ画像には、静止画像ファイルと動画ファイルのコンテンツの表示方法を記述するカメラの XMP メタデータと、動画ファイルのコンテンツの場所を記述するコンテナの XMP メタデータが含まれます。

ウルトラ HDR JPEG の場合と同様に、画像ファイルにゲインマップが含まれていることがあります。

ファイル名パターン

ライターは、次の正規表現に一致するファイル名を使用する必要があります。

^([^\\s\\/\\\\][^\\/\\\\]*MP)\\.(JPG|jpg|JPEG|jpeg|HEIC|heic|AVIF|avif)

このパターンに従わない場合、リーダーは XMP メタデータ、追加された動画ファイル、動画コンテンツを無視できます。

メディアデータのエンコード

プライマリ画像には、ファイルコンテナ内の後続のメディアファイルの順序とプロパティを定義するコンテナ要素の XMP メタデータディレクトリが含まれます。コンテナ内の各ファイルでは、ディレクトリ内に対応するメディアアイテムが格納されます。メディアアイテムには、ファイルコンテナ内の場所と、連結された各ファイルの基本プロパティが記述されます。

XMP 属性

2 組の XMP メタデータを使用して、モーションフォト形式の追加のセマンティック情報を定義します。メタデータは順不同で表示されます。

カメラのメタデータ

カメラのメタデータは、モーションフォトのメイン画像と動画部分の表示方法に関する情報をエンコードします。

名前空間 URI は http://ns.google.com/photos/1.0/camera/ です。
デフォルトの名前空間の接頭辞は Camera です。

静止画像ファイルの XMP メタデータには次の属性が含まれます。

名前	種類	説明
`Camera:MicroVideo` `Camera:MicroVideoVersion` `Camera:MicroVideoOffset` `Camera:MicroVideoPresentation TimestampUs`		これらのプロパティはマイクロ動画 V1 の仕様に含まれていました。この仕様では削除されており、存在する場合は無視する必要があります。具体的には、`MicroVideoOffset` 属性は `GContainer:ItemLength` 値に置き換えられ、ファイル内の動画データの場所を特定するために使用されます。
`Camera:MotionPhoto`	`Integer`	0: ファイルをモーションフォトとして扱わないことを示します。 1: ファイルをモーションフォトとして扱う必要があることを示します。その他の値はすべて定義されず、0 と同様に扱われます。値がゼロまたは負の場合、動画が実際にファイルに追加されていても、ファイルは常にモーションフォト以外のものとして扱われます。一般的なエディタでは XMP が引き継がれるため、追加された動画が削除されている場合でも、静止画像ファイルのフィールド値が 1 のままになることがあります。したがって、このフィールドは絶対的なものではなく、読者は常に動画が存在することを確認する必要があります。
`Camera:MotionPhotoVersion`	`Integer`	モーションフォトのファイル形式のバージョンを示します。この仕様ではバージョン「1」を定義します。
`Camera:MotionPhotoPresentationTimestampUs`	`Long`	画像の静止画に対応する動画フレームの表示タイムスタンプ（マイクロ秒単位）を表す long 値。値を -1 にすることで、設定されていないか、指定されていないことを表します。

表示の動作

XMP パケットに Camera:MotionPhotoPresentationTimestampUs が存在しない場合、リーダーは動画トラックの中央に最も近いタイムスタンプの直前の表示タイムスタンプ（動画トラックの時間を 2 で割った値）を使用する必要があります。

XMP パケットに Camera:MotionPhotoPresentationTimestampUs が含まれ、動画に "application/motionphoto-image-meta" が存在する場合は、そのトラックの primaryImageFrameScoreDescr presentationTimestampUs フィールドに同じ値を指定する必要があります。Camera:MotionPhotoPresentationTimestampUs が XMP パケットに存在せず、メタデータトラックが存在する場合、メタデータトラックの値は -1 である必要があります。

コンテナ要素

コンテナ要素はプライマリ画像の XMP メタデータにエンコードされ、コンテナ内のメディアアイテムのディレクトリを定義します。メディアアイテムは、ディレクトリ内のメディアアイテム要素と同じ順序でコンテナファイル内に配置され、密にパッキングする必要があります。

名前空間 URI は http://ns.google.com/photos/1.0/container/ です。
デフォルトの名前空間の接頭辞は Container です。

ディレクトリに含めることができるメイン画像アイテムは 1 つだけです。これはディレクトリ内の最初のアイテムにする必要があります。

要素名	種類	説明
`Directory`	構造体の順序付き配列	コンテナのレイアウトとコンテンツを定義する `Container:Item` 構造体の順序付き配列。

アイテム要素

メディアアイテム要素では、アプリケーションでの各アイテムの使用方法を記述します。

名前空間 URI は http://ns.google.com/photos/1.0/container/item/ です。
デフォルトの名前空間の接頭辞は Item です。

最初のメディアアイテムはメイン画像である必要があります。アイテムの MIME タイプ値に記載されている画像 MIME タイプのいずれかを指定する Mime 属性を含める必要があります。メインアイテムの長さは、ファイルコンテナの先頭から始まる MIME タイプに基づいてメイン画像を解析することで決定できます。

最初のメディアアイテムには、エンコードされたメイン画像の末尾と次のメディアアイテムの先頭との間の追加のパディングを指定する Padding 属性を含めることができます。Padding 属性を指定できるのは最初のメディアアイテムのみです。

各メディアアイテムには Mime 属性を含める必要があります。セカンダリメディアアイテムには Length 属性も含める必要があります。

シーケンシャルメディアアイテムは、ファイルコンテナ内でリソースデータを共有できます。最初のメディアアイテムによってファイルコンテナ内のリソースの場所が決まり、リソースデータ自体がコンテナの場合、後続の共有メディアアイテムでは Length が 0 に設定されます。

コンテナ内のメディアアイテムリソースの場所は、直前の付随アイテムリソースの Length 値に、メイン画像のエンコード長に Padding（指定されている場合）を加えた値で決まります。

属性名	種類	説明
`Mime`	`String`	必須。コンテナ内のメディアアイテムの MIME タイプを示すシンプルな文字列です。
`Semantic`	`String`	必須。メディアアイテムのアプリ固有の意味を示すシンプルな文字列。定義については、「アイテムのセマンティック値」セクションをご覧ください。
`Length`	`Integer`	動画コンテナなど、付随するメディアアイテムでは必須。正の整数の長さ（バイト単位）。メディアアイテムは、エンコードが適用されていない元の形式である必要があります。長さの値はファイルのバイトの実際の長さです。付随メディアアイテムの長さ 0 は、メディアアイテムのリソースが前のメディアアイテムと共有されていることを示します。プライマリメディアアイテムの長さは 0 である必要があります。
`Padding`	`Integer`	[JPEG ベースのモーションフォト] メインメディアアイテムの場合は省略可能。エンコードされたメイン画像の末尾から次のメディアアイテムの先頭までの追加パディングをバイト単位で正の整数で含むシンプルな文字列。 [HEIC/AVIF ベースのモーションフォト] メインメディアアイテムでは必須。8 に等しい値、つまりモーションフォト動画データ（「mpvd」）ボックスのヘッダー長を指定する必要があります。

Item:MIME 型の値

Item:Mime 属性は、各メディアアイテムの MIME タイプを定義します。

値	説明
`image/jpeg`	JPEG 画像
`image/heic`	HEIC 画像
`image/avif`	AVIF イメージ
`video/mp4`	MP4 コンテナ
`video/quicktime`	MOV コンテナ

アイテム:セマンティック値

Item:Semantic 属性は、コンテナディレクトリ内の各メディアアイテムのアプリケーション固有の意味を定義します。

`Value`	説明
`Primary`	メディアアイテムがコンテナ内の表示可能なプライマリ画像であることを示します。モーションフォトには、このセマンティックを持つアイテムを 1 つだけ含める必要があります。
`MotionPhoto`	メディアアイテムが動画コンテナであることを示します。モーションフォトには、このセマンティックを持つアイテムを 1 つだけ含める必要があります。このメディアアイテムの場所は、ファイルの末尾にする必要があります。このメディアアイテムのバイトが終了したら、他のバイトを配置できません。

メインのウルトラ HDR 画像を使用したモーションフォト

この仕様とウルトラ HDR 画像の仕様で定義されているアイテムセマンティック値のルールに従い、プライマリウルトラ HDR 画像を含むモーションフォトには、アイテムセマンティックが "GainMap" のメディアアイテムも含める必要があります。また、モーションフォトをエンコードするライターは、動画アイテム要素の前にゲインマップアイテム要素を配置する必要があります。

ISOBMFF イメージ固有の動作

ISOBMFF ベースの画像を使用したモーションフォト（例:HEIC 画像や AVIF 画像など）は、ファイルの画像部分が最上位の「モーションフォト動画データ」ボックスで終わるような構造が必要です。これは、ISO/IEC 14496-1:2010(E) の第 8 項で定義されている構文記述言語のセマンティクスを使用して記述されています。

// Box as defined in ISO/IEC 14496-12:2015: 4.2
aligned(8) class MotionPhotoVideoData extends Box('mpvd') {
  bit(8) data[];
}

「data」フィールドには動画のすべてのバイトが含まれます。モーションフォト動画データボックスのサイズには、特別な値「0」は使用できません。（Box を拡張するクラスのサイズの定義については、ISO/IEC 14496-12:2015: 4.2 を参照）。

また、ISOBMFF 画像の XMP では、メインメディアアイテムのパディング属性値が、モーションフォト動画データボックスヘッダーのサイズ（バイト単位）と同じになるように定義する必要があります。これはサイズと名前のヘッダーです。

HEIC ベースのモーションフォトのサンプルについて、このボックス構造を示した図 1 を参照してください。

HEIC モーションファイル内の要素の配置を示す線図

図 1. 1 つの HEIC モーションフォトファイル内のサンプル HEIC 画像を示すトップレベルのボックスのイラスト。ボックスの順序はほぼ説明のみを目的としています（HEIF または動画ファイルの作成方法については、関連する標準をご覧ください）。ただし、「mpvd」ボックスはすべての HEIC 画像ファイルのボックスの後に配置する必要があります。

動画コンテナのコンテンツ

メイン画像に追加される動画コンテナファイルには、メイン動画トラックが 1 つ以上含まれている必要があります。このトラックは必須で、AVC、HEVC、または AV1 でエンコードされた動画が含まれます。メイン動画のフレーム解像度は定義されていません。動画の色空間、伝達関数、ビット深度は異なる場合があります。たとえば、SDR 動画はビット深度が 8 ビット、BT.709 色空間、sRGB 伝達関数などがあります。また、HDR 動画には、HDR メタデータとメタデータトラックとともに、10 ビットのビット深度、BT.2100 色空間、HLG または PQ の伝達関数があります。

動画コンテナファイルには、必要に応じて高解像度の付随動画トラックを 1 つ含めることができます。リーダーはそのコンテンツを使用して、JPEG または HEIC 画像でエンコードされたプライマリ静止画像の置換を表示する必要があります。このトラックには、AVC、HEVC、AV1 でエンコードされた低フレームレートの動画が含まれている場合があります。付随動画のフレーム解像度は定義されていません。

セカンダリ動画トラック内のすべてのフレームが、プライマリ動画トラックに対応するフレームを持つことが想定されます。メイン動画トラックと付随動画トラックの対応するフレームの各ペアには、同一のプレゼンテーションタイムスタンプを設定する必要があります。第 2 トラックのフレームに対応するメイントラックフレームがない場合、視聴者は、表示タイムスタンプに最も近い表示タイムスタンプを持つメイントラックフレームを、そのサブ動画トラックの代表サムネイルとして選択できます。

動画コンテナファイルには、AAC でエンコードされた 44 kHz、48 kHz、96 kHz の 16 ビットモノラルまたはステレオの音声トラックを 1 つ含めることができます（省略可）。読者は、メイン動画トラックが表示されるときに、この音声トラックを表示する必要があります。

付随動画のトラックが存在する場合は、必ずメイン動画トラックの後に配置します。他のトラックに関する順序の制約は他にありません。メイン動画トラックのトラックインデックスは、付随動画トラックのトラックインデックスよりも小さくする必要があります。つまり、メイン動画のトラックのトラック番号が 2 の場合、サブ動画のトラックには 3 以上のトラック番号が必要です。

マシン・インテリジェンス・スコアリングによる動画メタデータ・トラック

ライターは、必要に応じてタイプ「meta」のメタデータトラックを動画コンテナファイルに追加できます。メタデータトラックには、「構文」で説明されている形式のバイトストリームを含むサンプルを 1 つだけ含める必要があります。

メタデータトラックが存在する場合、トラックのサンプル説明テーブルエントリ（「trak」ボックスに対して「mdia.minf.stbl.stsd」にある「stsd」ボックス）には、テキストメタデータのサンプルエントリを示す Atom（「mett」ボックス）を 1 つ含める必要があります。「mett」ボックスには、「application/motionphoto-image-meta」に等しい MIME タイプの文字列を指定する必要があります。

構文

このメタデータトラックが定義されている場合、その内容は、この MotionPhotoMetadataDescriptor 仕様に準拠するバイトストリームで構成されている必要があります。この仕様は、ISO/IEC 14496-1:2010(E) 第 8 項で定義されている構文記述言語のセマンティクスを使用してここに記述されています。

// BaseDescriptor as defined in ISO/IEC 14496-1:2010(E): 7.2.2.2
abstract aligned(8) expandable((1<<28) - 1) class BaseDescriptor
    : bit(8) tag=0 {
  // Empty. To be filled by classes extending this class.
}

// Score data for a frame.
class MotionPhotoFrameScoreDescriptor extends BaseDescriptor
    : bit(8) tag=MotionPhotoFrameScoreDescrTag {
  // The frame's score in the range [0, 1].
  float(32) score;

  // The frame's presentation timestamp in microseconds.
  int(64) presentationTimestampUs;
}

// Score data for a track.
class MotionPhotoTrackScoreDescriptor extends BaseDescriptor
    : bit(8) tag=MotionPhotoTrackScoreDescrTag {
  // The number of scored frames in the track.
  unsigned int(32) numScoredFrames;

  // The track's frames' score data. They must be in ascending order with
  // respect to the presentation timestamp.
  MotionPhotoFrameScoreDescriptor trackFrameScoreDescr[numScoredHighResFrames];
}

// Score data for a motion photo.
class MotionPhotoScoreDescriptor extends BaseDescriptor
    : bit(8) tag=MotionPhotoScoreDescrTag {

  // Machine-intelligence model version used to calculate the scores. Writers
  // using a scoring model should set this field to 1 or greater. Writers not
  // using any scoring model should set this field to 0.
  unsigned int(32) modelVersion;

  // The primary image's frame score data.
  MotionPhotoFrameScoreDescriptor primaryImageFrameScoreDescr;

  // The high-resolution motion photo frames' score data.
  MotionPhotoTrackScoreDescriptor highResTrackScoreDescr;
}

// Flag data for a track.
class MotionPhotoTrackFlagsDescriptor extends BaseDescriptor
    : bit(8) tag=MotionPhotoTrackFlagDescrTag {
  // Set to true to indicate the video frames have been stabilized and don't
  // require readers of the track to apply any further stabilization.
  bit(1) isStabilized;
}

// Flags for a motion photo.
class MotionPhotoFlagsDescriptor extends BaseDescriptor
        : bit(8) tag=MotionPhotoFlagDescrTag {
  // The low-resolution motion photo track's flag data.
  MotionPhotoTrackFlagDescriptor lowResTrackFlagsDescr;

  // The high-resolution motion photo track's flag data.
  MotionPhotoTrackFlagDescriptor highResTrackFlagsDescr;
}

// Container for motion photo metadata, like stabilization indicators and
// quality scoring.
class MotionPhotoMetadataDescriptor extends BaseDescriptor
    : bit(8) tag=MotionPhotoMetadataDescrTag {
  // Scoring data for the still and high-res frames.
  MotionPhotoScoreDescriptor motionPhotoScoreDescr;

  // Flags for the low-res and high-res frames.
  MotionPhotoFlagDescriptor motionPhotoFlagDescr;
}

// Class tags for MotionPhotoData using the "User Private" tag space 0xC0-0xFE
// for descriptors defined in ISO/IEC 14496-1:2010(E): 7.2.2.1, Table 1.
// 0xC0 MotionPhotoMetadataDescrTag
// 0xC1 MotionPhotoScoreDescrTag
// 0xC2 MotionPhotoTrackScoreDescrTag
// 0xC3 MotionPhotoFrameScoreDescrTag
// 0xC4 MotionPhotoFlagsDescrTag
// 0xC5 MotionPhotoTrackFlagDescrTag

モーション フォト形式 1.0