Construction of low-computation and memory-saving convolutional sparse representation technology

2021 Fiscal Year Final Research Report

• Project/Area Number: 18K11367
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Hokkaido University
• Principal Investigator: Ogawa Takahiro 北海道大学, 情報科学研究院, 准教授 (20524028)
• Co-Investigator(Kenkyū-buntansha): 長谷山 美紀 北海道大学, 情報科学研究院, 教授 (00218463)
• Project Period (FY): 2018-04-01 – 2022-03-31
• Keywords: スパース表現 / 畳み込みバイナリスパース表現 / 辞書学習 / 画質評価 / 低演算量・低容量化

Outline of Final Research Achievements

We studied low-computation and memory-saving convolutional sparse representation techniques. Specifically, by making the sparse representation coefficients binary, we constructed "sparse approximation based on nearest neighbor basis search" and "dictionary learning based only on simple addition" to realize convolutional sparse representation with low computational complexity. In addition, we newly constructed a "self-organizing dictionary learning technique" focusing on the principle of iterative function systems, and realized memory-saving dictionary learning. Our study has a large ripple effect since it will lead to breakthroughs in all application fields using sparse representation. Furthermore, our technology can contribute to technologies such as image/video coding, restoration, and super-resolution on various terminals.

Free Research Field

信号処理

Academic Significance and Societal Importance of the Research Achievements

従来、画像の近似手法としてスパース表現に関する研究が活発に実施されてきた。先行研究では、畳み込みスパース表現に基づくオンラインの表現係数推定・辞書学習法等が存在するものの、演算量の削減・辞書の蓄積容量の削減を同時に実現する研究、すなわち、実用化に直結する研究は十分になされていなかった。そこで本研究では、上記の最新研究に対してバイナリスパース表現・自己組織化辞書学習・ユーザの主観に合致した画質評価指標に基づく最適化を導入することで、低演算量・低容量かつユーザセントリックなスパース表現を実現した。本成果により、一般的な端末上で高度な応用技術を実装可能な理論の構築に至っている。