| 研究課題/領域番号 |
21K17868
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
常 穹 東京工業大学, 情報理工学院, 助教 (50845279)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | GPU高速化 / Z2ZNCC / Fast Sobel / sRRNet |
|---|
| 研究実績の概要 |
近年、多くの小中学校で体育の授業においてダンスを必須化している。それに伴い、学校での授業以外にも、多くの練習者が自宅で一人で練習するケースが増えている。しかし、一人で練習する場合、動作のミスを自分で発見するのは難しいため、ダンス支援システムの研究開発が注目されている。ダンス支援システムに求められる機能の一つとして、高速で正確な動作認識がある。多くのダンス曲はリズムが速く、動作の変化も頻繁であるため、支援システムには迅速かつ正確な動作認識能力が求められている。しかし、既存の手法では処理時間が長く、実用性に欠けるという問題がある。
本研究の目的は、GPU（Graphics Processing Unit）を用いた高精度かつ高速なダンス支援システムを開発し、その性能を評価した。これまでに、以下のような技術を利用しモバイルGPUを利用した時系列データの類似度算出手法（ZNCC）、深層学習による動作キーフレームの補間手法、エッジ特徴量検出アルゴリズム（Sobel）、大規模ニューラルネットワークを最適化するための行パータンデータの並列マッチング、量子化およびハイブリッド処理など動作検出手法の高速化を実現した。これらの技術を駆使することで、動作認識処理の高速化を実現し、その評価も行った。さらに、これらの成果を複数の論文として発表し、国際会議でも発表した。これらの技術は、計算方式やデータアクセスおよび保存方法など、さまざまな観点から動作認識処理の問題を解決し、モバイルGPU上で2倍以上の速度向上を達成している。これらの方法は動作認識に利用するだけでなく、他のアプリケーションにも拡張可能である。したがって、本研究はダンス支援システムの実用化に向けた重要な一歩となるとともに、広範な応用可能性を持つ技術の開発に寄与している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
令和5年度に、データ量子化を活用したCNNの高速化研究を行い、その成果を国際会議で発表した。また、これまで提案した手法をopenposeフレームワークに組み込み、Xavier AGX GPUを用いて720p画像の処理速度を12fpsに向上させた。ただし、実時間での処理には至っておらず、全体の性能評価は実験者によってまだ行われていない。
|
| 今後の研究の推進方策 |
ハイブリッド処理により大規模ニューラルネットワークの最適化に関する研究論文の追加実験を行う。
|
| 次年度使用額が生じた理由 |
令和5年度に研究内容をまとめ論文誌に投稿したが、まだ査読中の状態になっている。今後、IEEEの追加ページ料金として約200ドルが必要になる可能性がある。
|
