| 研究概要 |
研究成果は大きく2つある．１つ目は，高解像度動画に対し並列処理を用いた特徴抽出を適用し，その速度評価を行ったことである．この際，CPU,GPU(Graphics Processing Unit)間のバスが高速化された(PCI Express Gen3を導入した)ことから，両プロセッサに処理を振り分けるハイブリッド型の計算方法を採用した．並列化が容易なフィルタリング，特徴点位置探索等の処理はGPUにより並列実行し，スレッドの同期の問題から単純な並列化ができない特徴点の位置リストの生成処理はCPUで逐次実行した．その結果，デジタルシネマ等で使用される4k2k動画フォーマット(4096x2304画素)から100万の特徴を約1秒で抽出可能な処理速度（1μs/特徴）を達成している．国際会議，解説論文，技術セミナーでの講演を通じ，これらの成果普及に努めた．
2つ目は，画像から抽出される大量の特徴ベクトルの高速な対応付けのために，ベクトル量子化に基づく近似最近傍法に関する研究開発を行ったことである．大量の特徴ベクトルを対応付ける場合，計算時間の削減と共に，記憶容量の削減も問題となる．この問題の解決のために，直積ベクトル量子化による特徴ベクトルの圧縮と構造化の利用を検討した．最初に，約30万の特徴ベクトルを有する小規模のデータベースを作成し，それに対して数万のクエリで検索する実験環境を用意した．そして，その環境で，直積ベクトル量子化を適用した場合の，探索精度，圧縮率，計算時間の関係を考察した．結果，例えば，90%以上の精度を保った状態で，データベースを約6%に圧縮でき，計算時間も枚挙的な最近傍探索に比べ約40倍高速化できることを確認した．現在，より大規模のデータベースでの対応付けやシーン認識，処理の並列化等についての検討を進めており，特徴抽出も含めて，研究は順調に推移していると考えている．
|
