2020 Fiscal Year Annual Research Report
| Project/Area Number |
18K11367
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
小川 貴弘 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 Annual Research Achievements |
本研究では、低演算量・低容量畳み込みスパース表現技術の構築を目指す。具体的に、表現係数をバイナリとすることで、「最近傍基底探索に基づくスパース近似」と「単純な加算のみの辞書学習」を可能とし、画質評価指標に一切依存しない低演算量の畳み込みスパース表現を実現するものである。
令和二年度は、畳み込みバイナリスパース表現に対し、自己組織化辞書学習を導入することで、画像と同時に辞書の再構成を可能とした。具体的に、反復縮小写像系の原理に基づいて、辞書に含まれる基底を画像から切り出される局所領域の縮小写像により導出することで、画像から基底を、基底から画像を反復して再構成可能とした。これにより、蓄積すべき情報はバイナリの表現係数のみとなることから、辞書のサイズに関わらず低容量化が可能となった。本フェーズでは、自己組織化辞書学習の導入により、辞書に関する情報の蓄積を一切必要としないだけでなく、バイナリの表現係数に対して可変長符号化等を施すことで、新たな画像の符号化手法を実現した。
本研究では、以上で実現された低演算量・低容量畳み込みスパース表現に対し、ユーザの主観評価に合致した画像の近似を可能とした。バイナリスパース表現は、最近傍基底探索と加算のみの辞書学習により実現されることから、任意の画質評価指標、具体的に、陽に定式化できない指標に対しても適用が可能となった。その結果、最新の深層学習等で求められる定式化できない指標であっても導入が可能となり、ユーザの主観に合致した画像の近似が実現された。また、以上で実現される技術を、多様なタスクへ応用することで、ユーザの主観評価が高くなるような再構成画像の取得も可能にした。
|
