| 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 | 2026-06-23 10:00 学習型画像圧縮におけるHyperpriorモデルのHyperデコーダGPU-CPU非対称実装 ○梅澤 希（横浜国大）・孫 鶴鳴（科学大）  SIP2026-20 BioX2026-20 IE2026-20 MI2026-20 |
|
| 抄録 | （和） | 学習型画像圧縮ではHyperpriorモデルを用いることで性能が向上するが，CPUとGPUの間のデータ移動がボトルネックとなる．そこで，Hyper-Pathの計算量がMain-Pathに比べて小さいことに着目しhsでの処理を展開時はあえてCPUで行うことによってデータ移動の回数を削減することを提案する．しかし，hsを圧縮時にGPU，展開時にCPUで処理すると，浮動小数点演算結果の違いによりGaussianConditioalを用いた画像の展開が正しく行われない．そこで，量子化モデルを用いることにより演算結果を一致させる方法を提案する．本研究の成果によって，Hyperpriorモデルを用いた画像圧縮の高速化が期待できる． |
| （英） | Although learned image compression achieves high efficiency using Hyperprior models, CPU-GPU data transfer poses a critical bottleneck. Since the hyper-latent sub-network has lower computational complexity than the main network, we propose executing h_s processing on the CPU during decoding to reduce data transfer overhead. However, this asymmetric execution—GPU for encoding and CPU for decoding—causes decoding failures in the Gaussian Conditional model due to cross-device floating-point discrepancies. To resolve this, we employ a quantization model to align the arithmetic results. Our approach successfully eliminates the inconsistency, promising significant speedups for Hyperprior-based image compression. | |
| キーワード | （和） | 画像圧縮 / 学習型画像圧縮 / Hyperpriorモデル / 量子化モデル / 深層学習 / GPU / CPU / 浮動小数点数 |
| （英） | Image Compression / Learned Image Compression / Hyperprior Model / Quantization Model / Deep Learning / GPU / CPU / Floating-Point Number | |
| 文献情報 | 信学技報, vol. 126, no. 85, IE2026-20, pp. 103-107, 2026年6月. | |
| 資料番号 | IE2026-20 | |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) | |
| 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 | SIP2026-20 BioX2026-20 IE2026-20 MI2026-20 |
|
| 研究会情報 | |
| 研究会 | ITE-IST ITE-ME IE BioX SIP MI |
| 開催期間 | 2026-06-22 - 2026-06-23 |
| 開催地（和） | 鳥取県立生涯学習センター |
| 開催地（英） | |
| テーマ（和） | マルチメディアデータ・映像・画像・信号の取得・処理・解析・認証と応用、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 | 2026-06-IST-ME-IE-BioX-SIP-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 学習型画像圧縮におけるHyperpriorモデルのHyperデコーダGPU-CPU非対称実装 |
| サブタイトル（和） | |
| タイトル（英） | GPU-CPU Asymmetric Implementation of Hyper Decoder in the Hyperprior Model for Learned Image Compression |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像圧縮 / Image Compression |
| キーワード(2)（和/英） | 学習型画像圧縮 / Learned Image Compression |
| キーワード(3)（和/英） | Hyperpriorモデル / Hyperprior Model |
| キーワード(4)（和/英） | 量子化モデル / Quantization Model |
| キーワード(5)（和/英） | 深層学習 / Deep Learning |
| キーワード(6)（和/英） | GPU / GPU |
| キーワード(7)（和/英） | CPU / CPU |
| キーワード(8)（和/英） | 浮動小数点数 / Floating-Point Number |
| 第1著者 氏名（和/英/ヨミ） | 梅澤 希 / Nozomi Umezawa / ウメザワ ノゾミ |
| 第1著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： YNU) |
| 第2著者 氏名（和/英/ヨミ） | 孫 鶴鳴 / Sun Heming / ソン カクメイ |
| 第2著者 所属（和/英） | 東京科学大学 (略称： 科学大) Institute of Science Tokyo (略称： Science Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-23 10:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IE |
| 資料番号 | SIP2026-20, BioX2026-20, IE2026-20, MI2026-20 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.83(SIP), no.84(BioX), no.85(IE), no.86(MI) |
| ページ範囲 | pp.103-107 |
| ページ数 | 5 |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) |
[研究会発表申込システムのトップページに戻る]