| 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 | 2026-03-16 16:45 混合ガウスモデルと線形アテンションを用いた学習型画像圧縮 ○内芝謙允・村井史門・甲藤二郎（早大）  IMQ2025-60 IE2025-137 MVE2025-67 |
|
| 抄録 | （和） | 近年，深層学習に基づく画像圧縮は従来の標準符号化方式を凌ぐ性能を示している．ただし，Transformerベースの手法は高いレート歪み性能を達成する一方，計算コストの高さが課題である．線形アテンションを用いた学習型画像圧縮手法の一つであるLALIC (Linear Attention-based Learned Image Compression) は，計算量を線形オーダーに抑えつつ広範な受容野を実現するが，エントロピーモデルに単一ガウスモデル (Gaussian Single Model: GSM) を採用しており，複雑な確率分布の表現力に限界があった．本研究では，LALICのエントロピーモデルに混合ガウスモデル (Gaussian Mixture Model: GMM) を導入し，さらに高速なGMM演算を実現するFlashGMMを適用したLALIC-FlashGMMを提案する．Kodakデータセットを用いた評価の結果，提案手法はLALICとほぼ同等の圧縮性能（BD-Rate $-0.30%$）を維持しつつ，エンコード時間を約1.41倍，デコード時間を約1.07倍高速化できることを確認した． |
| （英） | In recent years, deep learning-based image compression has demonstrated performance surpassing conventional standard coding methods. While Transformer-based methods in learned image compression demonstrate high rate-distortion performance, they suffer from high computational costs. Linear Attention-based Learned Image Compression (LALIC) achieves linear complexity while maintaining a global receptive field, but it employs a Gaussian Single Model (GSM) for entropy modeling, limiting its ability to represent complex probability distributions. In this study, we propose LALIC-FlashGMM, which integrates a Gaussian Mixture Model (GMM) into LALIC and applies FlashGMM, which enables fast GMM computation. Experimental results on the Kodak dataset show that our method slightly outperforms the original model by -0.3% BD-rate while accelerating encoding speed by approximately 1.41 times and decoding speed by 1.07 times. | |
| キーワード | （和） | 学習型画像圧縮 / 線形アテンション / 混合ガウスモデル / / / / / |
| （英） | Learned Image Compression / Linear Attention / Gaussian Mixture Model / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 410, IE2025-137, pp. 231-236, 2026年3月. | |
| 資料番号 | IE2025-137 | |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) | |
| 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 | IMQ2025-60 IE2025-137 MVE2025-67 |
|
| 研究会情報 | |
| 研究会 | CQ MVE IMQ IE |
| 開催期間 | 2026-03-16 - 2026-03-18 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa-Sangyoushien-Center |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2026-03-CQ-MVE-IMQ-IE |
| 本文の言語 | 日本語 |
| タイトル（和） | 混合ガウスモデルと線形アテンションを用いた学習型画像圧縮 |
| サブタイトル（和） | |
| タイトル（英） | Learned Image Compression with Gaussian Mixture Model and Linear Attention |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 学習型画像圧縮 / Learned Image Compression |
| キーワード(2)（和/英） | 線形アテンション / Linear Attention |
| キーワード(3)（和/英） | 混合ガウスモデル / Gaussian Mixture Model |
| 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） | 内芝 謙允 / Kensuke Uchishiba / ウチシバ ケンスケ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 村井 史門 / Simon Murai / ムライ シモン |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 甲藤 二郎 / Jiro Katto / カットウ ジロウ |
| 第3著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-16 16:45:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IE |
| 資料番号 | IMQ2025-60, IE2025-137, MVE2025-67 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.408(IMQ), no.410(IE), no.411(MVE) |
| ページ範囲 | pp.231-236 |
| ページ数 | 6 |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]