2023 Fiscal Year Annual Research Report
Project/Area Number |
21K12052
|
Research Institution | Chukyo University |
Principal Investigator |
青森 久 中京大学, 工学部, 教授 (20453607)
|
Co-Investigator(Kenkyū-buntansha) |
大竹 敢 玉川大学, 工学部, 教授 (20296883)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Keywords | 2層のSD-CNN / Swin Transformer / ビット深度拡張 / 可逆パルス伝送 / バイナリデータ伝送 |
Outline of Annual Research Achievements |
次の項目について研究を進展させた.提案手法により,多種多様なバイナリデータに対する可逆パルス伝送と減色された画像のビット深度拡張に対する基盤的なフレームワークを構築した.研究成果は,査読付学術論文や査読付国際会議において公表または公表予定である. 1.2層SD-CNNによる画像の可逆パルス伝送方式の開発とバイナリデータ伝送への拡張 今年度は,昨年度開発した2層SD-CNNによる可逆パルス伝送方式の復号器に3タップのカスケード積分器を新たに導入した.これにより約9%の伝送効率の改善を達成した.さらに提案手法を拡張し,画像を含む多種多様なバイナリデータを可逆パルス伝送可能な方式を開発した. 2. ビット深度拡張のための深層学習モデルの開発 今年度は,ビット深度拡張のためのEnd-to-Endな深層学習モデルの開発を目的として,Transformerモデルおよび新たなアテンション機構の導入について検討を行った.先行研究により,Swin Transformerにおけるアテンション機構が,画像予測に有効であることが確認できたことから,ビット深度拡張への応用について検討し,その有効性を確認した.さらに,Swin Transformer Blockにより抽出されたチャネル間の特徴を効果的に利用するために,チャネル間のアテンション機構としてResidual Channel Attention Layerを導入した新たなネットワークモデルを開発した.実験では,従来手法と比較して,ネットワークサイズに関する僅かなオーバーヘッドのみで,優れた性能を発揮することが確認された.本提案モデルは,ビット深度拡張に限らず,他の画像再構成問題への応用も期待される.
|