| Project/Area Number |
22KJ0917
|
|---|
| Project/Area Number (Other) |
22J13735 (2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2022) |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
坪田 亘記 東京大学, 情報理工学系研究科, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Project Status |
Declined (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | 画像圧縮 / 画質評価 / 深層学習 |
|---|
| Outline of Research at the Start |
申請者は，見た目での品質を落とさない動画圧縮の実現のために，映像品質評価に取り組む．映像品質評価は動画圧縮の評価と学習に不可欠である．映像品質評価とは，ある動画とその動画を人工的に劣化させた動画を用意したときに，劣化動画が視覚的にどの程度劣化しているかを予測するタスクである．申請者は，動画圧縮に起因する劣化に対応できるような新たな映像品質評価手法を構築した上で，動画圧縮の学習に適用することで，従来手法を上回る動画圧縮を実現する．
|
| Outline of Annual Research Achievements |
研究課題である「深層動画圧縮のための映像品質評価」に向けた基礎的な課題として，昨年度は主に2つの課題に取り組んだ．(1) 深層画像圧縮の汎用化に取り組んだ．深層画像圧縮では主に自然画像が対象として研究されてきており，従来型の圧縮手法を上回る性能を示している．しかしながら，深層画像圧縮は学習型であるため，ドメイン外の画像を圧縮する際には性能が低下する．この問題を調査するために，汎用な深層画像圧縮という新たなタスクを提案した．汎用な深層画像圧縮では，任意のドメインの画像を圧縮することを目的とする．さらにこのタスクに取り組むための手法も提案した．(2) 深層画質評価における従来手法の画像のスケーリングに対する安定性の評価に取り組んだ．多くの従来型画質評価では，前処理としてある画像サイズにスケールすることがしばしばある一方で，深層画質評価ではスケーリングを行わないこともしばしばある．本研究では，深層画質評価の推論時における前処理のスケーリングの影響を実験的に検証した．検証では推論時における画像のスケールを変数として扱い，様々な画像スケールで前処理した画像を画質評価手法に適用した．前者についてはComputer Visionの分野で最難関レベルの査読付き国際会議であるIEEE/CVF Winter Conference on Applications of Computer Vision (WACV) で発表を行い，後者は査読付き国際学術誌であるIEICE Transactions on Information and Systemsで発表を行った．
|
| Research Progress Status |
翌年度、交付申請を辞退するため、記入しない。
|
| Strategy for Future Research Activity |
翌年度、交付申請を辞退するため、記入しない。
|
