| 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 | 2022-10-20 14:55 CNN予測器毎に算術符号化する階層型可逆符号化 ○中島和輝・中澤 諒・戸田英治・青森 久（中京大）・大竹 敢（玉川大）・松田一朗・伊東 晋（東京理科大）  CAS2022-23 NLP2022-43 |
|
| 抄録 | （和） | 我々はセルラーニューラルネットワーク(CNN) を予測器として利用した解像度スケーラブルな可逆符号化方式について研究を展開してきた． 本方式は階層型可逆符号化方式に属し，画像の輪郭方向に応じてCNN予測器を適応的に使い分けることで予測精度を高めている． CNN予測によって得た予測誤差はコンテクストモデリングに基づく複数の確率モデルを用いた適応算術符号化により符号化される． 適応算術符号化に用いる確率モデルは，周囲の符号化済み予測誤差から得られる特徴量によって決定される． 従来の方式では，予測時に用いたCNN予測器の種類に関わらず，特徴量が同じであれば予測誤差は同じ確率分布になると仮定していた． しかし，一般的に画像の平坦部と輪郭部では予測難度に差がある．従ってCNN予測器毎に予測誤差の分布が異なると考えられる． そこで本研究では，新たな適応算術符号化手法の一検討として，CNN予測器毎に適応算術符号化を行う手法を提案する． なお，提案手法においては，予測器毎に算術符号化することに伴う付加情報に関しては議論の対象外とし，符号化した予測誤差の符号量のみに着目する． |
| （英） | We have been developing a scalable lossless coding method using the cellular neural networks (CNN) as predictors. This method is a hierarchical lossless image coding framework that improves prediction accuracy by adaptively using different CNN predictors according to directions of image edges. Prediction errors obtained by the CNN prediction are adaptively arithmetic coded using multiple probabilistic models based on the context modeling. The probabilistic models used for adaptive arithmetic coding are selected based on the feature quantity obtained by using the neighboring already encoded prediction errors. Our previous works assumed that the prediction errors would have the same probability distribution if the feature quantity were the same, regardless of the type of CNN predictor used during a prediction. However, there is generally a difference in prediction difficulty between flat and edge parts of the image. Therefore, as a consideration of a high efficiency adaptive arithmetic coding method, this study proposes an adaptive arithmetic coding method for each type of CNN predictor. Please note that the side information that increases due to arithmetic coding of prediction errors of each predictor individually is not included in the discussions, and we focus only on a coding rate of the prediction errors. |
|
| キーワード | （和） | セルラーニューラルネットワーク / 階層型可逆符号化 / 適応算術符号化 / / / / / |
| （英） | Cellular Neural Network / Hierarchical Lossless Image Coding / AdaptiveArithmetic Coding / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 220, NLP2022-43, pp. 20-24, 2022年10月. | |
| 資料番号 | NLP2022-43 | |
| 発行日 | 2022-10-13 (CAS, NLP) | |
| 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 | CAS2022-23 NLP2022-43 |
|
| 研究会情報 | |
| 研究会 | CAS NLP |
| 開催期間 | 2022-10-20 - 2022-10-21 |
| 開催地（和） | 新潟大学駅南キャンパスときめいと |
| 開催地（英） | |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2022-10-CAS-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | CNN予測器毎に算術符号化する階層型可逆符号化 |
| サブタイトル（和） | |
| タイトル（英） | Hierarchical Lossless Coding with Arithmetic Coders for Each CNN Predictor |
| サブタイトル（英） | |
| キーワード(1)（和/英） | セルラーニューラルネットワーク / Cellular Neural Network |
| キーワード(2)（和/英） | 階層型可逆符号化 / Hierarchical Lossless Image Coding |
| キーワード(3)（和/英） | 適応算術符号化 / AdaptiveArithmetic Coding |
| 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） | 中島 和輝 / Kazuki Nakashima / ナカシマ カズキ |
| 第1著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 中澤 諒 / Ryo Nakazawa / ナカザワ リョウ |
| 第2著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 戸田 英治 / Hideharu Toda / トダ ヒデハル |
| 第3著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 青森 久 / Hisashi Aomori / アオモリ ヒサシ |
| 第4著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 大竹 敢 / Tsuyoshi Otake / オオタケ ツヨシ |
| 第5著者 所属（和/英） | 玉川大学 (略称： 玉川大) Tamagawa University (略称： Tamagawa Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 松田 一朗 / Ichiro Matsuda / マツダ イチロウ |
| 第6著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： TUS) |
| 第7著者 氏名（和/英/ヨミ） | 伊東 晋 / Susumu Itoh / イトウ ススム |
| 第7著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： TUS) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-10-20 14:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | CAS2022-23, NLP2022-43 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.219(CAS), no.220(NLP) |
| ページ範囲 | pp.20-24 |
| ページ数 | 5 |
| 発行日 | 2022-10-13 (CAS, NLP) |
[研究会発表申込システムのトップページに戻る]