ご案内 入会して研究会活動をもっとお得に!研究会参加費・年間登録費が会員価格になります。
お知らせ 【重要】研究会参加費の支払いおよび原稿アップロード手続きの変更に関するご案内
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
学習型画像圧縮のための高速な混合ガウスエントロピーモデル
○村井史門(早大)・林 方正(東京科学大)・甲藤二郎(早大)
抄録 (和) 深層学習を用いた画像圧縮では、確率モデリングとエントロピー符号化によって潜在表現をビット列に変換する。多くの確率モデルでは潜在表現にガウス分布を仮定する。ここに混合ガウス分布を用いると性能が向上することが知られているが、計算コストが高いことが課題であった。
本研究では、テーブル構築をスキップするアルゴリズムと、数値近似、並列化を組み合わせることで、混合ガウスモデルの精度を上げながら90倍以上の高速化を実現した。 
(英) Learned image compression models transform the input image into bit stream through probability modeling and entropy coding. While most of the models assume Gaussian distribution for the latent representations, it is known that the use of Gaussian mixture distribution results in superior performance. However, existing Gaussian mixture methods demand high computational cost. We tackled this issue by installing new algorithms that skip table construction, numerical approximation and CPU parallelization, to achieve ~90x acceleration while slightly improving its performance.
キーワード (和) 画像圧縮 / 深層学習 / エントロピー符号化 / 画像符号化 / 混合ガウスモデル / / /  
(英) Image Compression / Deep Learning / Entropy Coding / Image Coding / Gaussian Mixture Model / / /  
文献情報 信学技報
資料番号  
発行日  
ISSN  
PDFダウンロード

研究会情報
研究会 PCSJ-IMPS IE SIP ITE-ME  
開催期間 2025-11-17 - 2025-11-19 
開催地(和) 御殿場高原ホテル 
開催地(英) Gotembakogen Hotel 
テーマ(和) 画像符号化シンポジウム、映像メディア処理シンポジウム 
テーマ(英) Picture Coding Symposium of Japan and Image Media Processing Symposium 
講演論文情報の詳細
申込み研究会 PCSJ-IMPS 
会議コード 2025-11-PCSJ-IMPS-IE-SIP-ME 
本文の言語 日本語 
タイトル(和) 学習型画像圧縮のための高速な混合ガウスエントロピーモデル 
サブタイトル(和)  
タイトル(英) A Fast Gaussian Mixture Entropy 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) 深層学習 / Deep Learning  
キーワード(3)(和/英) エントロピー符号化 / Entropy Coding  
キーワード(4)(和/英) 画像符号化 / Image Coding  
キーワード(5)(和/英) 混合ガウスモデル / Gaussian Mixture Model  
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) 村井 史門 / Shimon Murai / ムライ シモン
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) 林 方正 / Fangzheng Lin /
第2著者 所属(和/英) 東京科学大学 (略称: 東京科学大)
Institute of Science Tokyo (略称: Science Tokyo)
第3著者 氏名(和/英/ヨミ) 甲藤 二郎 / Jiro Katto /
第3著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda 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: )
第21著者 氏名(和/英/ヨミ) / /
第21著者 所属(和/英) (略称: )
(略称: )
第22著者 氏名(和/英/ヨミ) / /
第22著者 所属(和/英) (略称: )
(略称: )
第23著者 氏名(和/英/ヨミ) / /
第23著者 所属(和/英) (略称: )
(略称: )
第24著者 氏名(和/英/ヨミ) / /
第24著者 所属(和/英) (略称: )
(略称: )
第25著者 氏名(和/英/ヨミ) / /
第25著者 所属(和/英) (略称: )
(略称: )
第26著者 氏名(和/英/ヨミ) / /
第26著者 所属(和/英) (略称: )
(略称: )
第27著者 氏名(和/英/ヨミ) / /
第27著者 所属(和/英) (略称: )
(略称: )
第28著者 氏名(和/英/ヨミ) / /
第28著者 所属(和/英) (略称: )
(略称: )
第29著者 氏名(和/英/ヨミ) / /
第29著者 所属(和/英) (略称: )
(略称: )
第30著者 氏名(和/英/ヨミ) / /
第30著者 所属(和/英) (略称: )
(略称: )
第31著者 氏名(和/英/ヨミ) / /
第31著者 所属(和/英) (略称: )
(略称: )
第32著者 氏名(和/英/ヨミ) / /
第32著者 所属(和/英) (略称: )
(略称: )
第33著者 氏名(和/英/ヨミ) / /
第33著者 所属(和/英) (略称: )
(略称: )
第34著者 氏名(和/英/ヨミ) / /
第34著者 所属(和/英) (略称: )
(略称: )
第35著者 氏名(和/英/ヨミ) / /
第35著者 所属(和/英) (略称: )
(略称: )
第36著者 氏名(和/英/ヨミ) / /
第36著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時  
発表時間 分 
申込先研究会 PCSJ-IMPS 
資料番号  
巻番号(vol) vol. 
号番号(no)  
ページ範囲  
ページ数  
発行日  


[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