違和感の評価に基づく深層ニューラルネットワークを用いた画像符号化手法の開発

2023 Fiscal Year Research-status Report

• Project/Area Number: 20K12040
• Research Institution: Ishikawa National College of Technology
• Principal Investigator: 川除 佳和 石川工業高等専門学校, 電子情報工学科, 准教授 (90552547)
• Co-Investigator(Kenkyū-buntansha): 稲積 泰宏 山梨英和大学, 人間文化学部, 准教授 (30367255)
• Project Period (FY): 2020-04-01 – 2025-03-31
• Keywords: 違和感評価 / 深層学習ベース画像符号化

Outline of Annual Research Achievements

近年、深層学習を用いた新しい枠組みによる画像のデータ圧縮技術（画像符号化技術）の研究が進められている。現在までに、従来の枠組みの数段階上の圧縮効率を達成した報告がある一方で、高い圧縮効率の代償として、復号された画像に強い違和感が生じるという課題が明らかとなってきた。主観品質を大きく損なう違和感の発生を抑制するためには、符号化の設計指針となる評価基準の解明・尺度化が不可欠である。申請者らは、違和感の要因解明と尺度化の研究を進めており、本研究ではこれを発展させ(I) 新しい画像符号化の枠組みに適用可能な違和感評価器の設計、およびこれに基づく(II) 違和感の発生を抑えた画像符号化手法の開発が目的である。昨年度までの実績として、画像生成AIであるStable Diffusionおよび、拡張ツールであるControlNetを用いた深層学習ベースの画像符号化フレームワークを構築した。具体的には、ControlNetを用いて原画像を線画に変換し、これと画像を説明するプロンプトを符号化データとする。また、復号側ではそれらを入力としてStable Diffusionにより画像を生成し、これを復号画像とするものである。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

昨年度に構築した深層学習ベースの画像符号化の枠組みにおいて、その性能の評価ができておらず、研究が遅れている。

Strategy for Future Research Activity

昨年度に構築した深層学習ベースの画像符号化の枠組みに対して、符号化前後の画像に対して主観評価実験を行い、性能を評価する予定である。

Causes of Carryover

主観評価実験が行えておらず、そのためのモニタを購入していないため次年度使用額が生じている。主観評価実験の実施時期に合わせてモニタを購入する予定としている。