Learning Based Probability Modeling for Efficient Image Coding
| Project/Area Number |
17K00247
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Research Field |
Perceptual information processing
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
Matsuda Ichiro 東京理科大学, 理工学部電気電子情報工学科, 教授 (70287473)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2019)
|
| Budget Amount *help |
¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
Fiscal Year 2019: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2018: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2017: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 画像符号化 / 可逆符号化 / 学習型確率推定モデル / テンプレートマッチング / 適応予測 / 画像情報処理 / データ圧縮 |
|---|
| Outline of Final Research Achievements |
In this study, we developed a method of compressing image data effectively without loss of quality. The method models probability distribution of image signals as a linear combination of Gaussian functions whose center positions are determined by template matching and/or adaptive prediction performed on the already encoded area. Then the image signal is directly entropy coded using the model pel-by-pel. By optimizing some model parameters which controls shapes of the Gaussian functions, the proposed method attains better coding performance than the other state-of-the-art lossless coding schemes for image and video signals in various formats.
|
| Academic Significance and Societal Importance of the Research Achievements |
画像のデータ圧縮は現代のマルチメディア社会を支える基盤技術である。筆者らは、画像信号の冗長度削減処理を確率生成モデルの学習問題と捉え、直接エントロピー符号器を駆動するアルゴリズムを提唱した。さらにこのモデルに基づく発生符号量を、数値最適化の手順により直接最小化する方法も明らかにしている。これらの研究成果は、様々な映像データを効率的に圧縮するための統一的な手順を提供するものであり、多様化する映像情報メディアの蓄積・伝送手段として幅広く応用が可能であると考えられる。
|
Report
(4 results)
Research Products
(43 results)
