お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-01-21 13:00
符号化順の異なる深層予測器を用いた可逆画像符号化の性能比較
國枝 滉高橋桂太藤井俊彰名大IE2020-34
抄録 (和) 可逆画像符号化の符号化効率は,処理済み画素から未知画素を予測する予測器の性能に依存する.従来の手法では,左上の画素から順に一画素ずつ予測を行うため,予測器の参照領域は対象画素の上側に制限される. 我々はすでに,低解像度画像を予め用意することで,対象画素の下側も参照領域として使用可能な予測器を提案した.提案手法は,従来の予測器と同程度の符号化効率を達成できることに加え,複数画素を同時に処理できるため復号時間を大幅に高速化できる.本稿では,提案手法のより詳細な評価を通して,符号化効率と計算コストのバランスを探る. 
(英) The efficiency of lossless image coding depends on the pixel predictors, with which unknown pixels are predicted from already-processed pixels. Conventionally, the pixels are processed in the Raster order starting from the top-left pixel. Therefore, when predicting a specific pixel, the predictor can refer only to the upper side of the target pixel. We proposed a pixel predictor that can use the lower half of the target pixels to predict the target pixels. The experimental results showed that the proposed method achieved comparable coding efficiency to the conventional CNN-based pixel predictor. In addition, the proposed method is able to process multiple pixels at the same time. Therefore, the proposed method achieved much faster decoding than the conventional CNN-based pixel predictor. In this paper, we present detailed evaluations on our method to reveal the trade-off between the coding efficiency and computational cost.
キーワード (和) 可逆画像符号化 / 画像修復 / 畳み込みニューラルネットワーク / / / / /  
(英) Lossless image coding / Image Inpainting / Convolutional neural network (CNN) / / / / /  
文献情報 信学技報, vol. 120, no. 329, IE2020-34, pp. 1-6, 2021年1月.
資料番号 IE2020-34 
発行日 2021-01-14 (IE) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード IE2020-34

研究会情報
研究会 IE  
開催期間 2021-01-21 - 2021-01-21 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 画像処理・符号化および一般 
テーマ(英) Image Processing, Image Coding, etc 
講演論文情報の詳細
申込み研究会 IE 
会議コード 2021-01-IE 
本文の言語 日本語 
タイトル(和) 符号化順の異なる深層予測器を用いた可逆画像符号化の性能比較 
サブタイトル(和)  
タイトル(英) Comparing Pixel Predictors with Different Coding Order for Lossless Image Coding 
サブタイトル(英)  
キーワード(1)(和/英) 可逆画像符号化 / Lossless image coding  
キーワード(2)(和/英) 画像修復 / Image Inpainting  
キーワード(3)(和/英) 畳み込みニューラルネットワーク / Convolutional neural network (CNN)  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 國枝 滉 / Aki Kunieda / クニエダ アキ
第1著者 所属(和/英) 名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.)
第2著者 氏名(和/英/ヨミ) 高橋 桂太 / Keita Takahashi / タカハシ ケイタ
第2著者 所属(和/英) 名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.)
第3著者 氏名(和/英/ヨミ) 藤井 俊彰 / Toshiaki Fujii / フジイ トシアキ
第3著者 所属(和/英) 名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-01-21 13:00:00 
発表時間 25分 
申込先研究会 IE 
資料番号 IE2020-34 
巻番号(vol) vol.120 
号番号(no) no.329 
ページ範囲 pp.1-6 
ページ数
発行日 2021-01-14 (IE) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会