| 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 | 2024-02-20 14:30 Optimizing Division Schemes with Mixture of Experts for Medical Data Compression ○Jiancheng Zhao・Takefumi Ogawa（Utokyo）  ITS2023-73 IE2023-62 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Implicit Neural Representation (INR) is an emerging technique for data compression that utilizes the parameters of a Deep Neural Network (DNN) to represent data. Current methods manually divide a complex scene into local regions and fit the INRs to these regions. This manual partitioning of a complex scene is a challenging task and does not allow for the simultaneous learning of the partition and INRs. To address this issue, we introduce MoEC, an innovative implicit neural compression method grounded in the mixture of experts theory. We employ a gating network to automatically allocate a specific INR to a 3D point in the scene. This gating network is trained in conjunction with the INRs of various local regions. Our learnable partition, in comparison to block-wise and tree-structured partitions, can adaptively identify the optimal partition in an end-to-end fashion. We perform comprehensive experiments on a large and diverse set of biomedical data to highlight the benefits of MoEC over existing methods. In the majority of our experimental setups, we have achieved leading-edge results. Notably, even at extreme compression ratios, such as 6000x, we maintain a PSNR of 48.16. | |
| キーワード | （和） | / / / / / / / |
| （英） | Medical data / Compression / INR / MoE / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 381, IE2023-62, pp. 145-150, 2024年2月. | |
| 資料番号 | IE2023-62 | |
| 発行日 | 2024-02-12 (ITS, 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 | ITS2023-73 IE2023-62 |
|
| 研究会情報 | |
| 研究会 | ITS IE ITE-MMS ITE-ME ITE-AIT |
| 開催期間 | 2024-02-19 - 2024-02-20 |
| 開催地（和） | 北海道大学 |
| 開催地（英） | Hokkaido Univ. |
| テーマ（和） | 画像処理、一般（予定） |
| テーマ（英） | Image Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2024-02-ITS-IE-MMS-ME-AIT |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Optimizing Division Schemes with Mixture of Experts for Medical Data Compression |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Medical data |
| キーワード(2)（和/英） | / Compression |
| キーワード(3)（和/英） | / INR |
| キーワード(4)（和/英） | / MoE |
| 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） | 趙 建成 / Jiancheng Zhao / |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Utokyo) |
| 第2著者 氏名（和/英/ヨミ） | 小川 剛史 / Takefumi Ogawa / |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Utokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-20 14:30:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IE |
| 資料番号 | ITS2023-73, IE2023-62 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.380(ITS), no.381(IE) |
| ページ範囲 | pp.145-150 |
| ページ数 | 6 |
| 発行日 | 2024-02-12 (ITS, IE) |
[研究会発表申込システムのトップページに戻る]