有用画像処理と深層ニューラルネットワークの層交換による高機能化

本研究室では、明るい（直射日光）から暗い（日陰）までを含む実世界を撮影するために、ハイダイナミックレンジイメージングについて研究している。このような画像は、カメラやモニターを使って構築したり表示したりするのが難しいにもかかわらず、人間の視覚システムは簡単に再構築することができる。本研究では，このような画像の画素を制御するために，平滑化局所ヒストグラムベース（SLHE）法を開発した。本研究では，局所関数を用いることで，画像の全体的な特性を操作できることを明らかにした。これにより，本アルゴリズムは，同じトーンマッピング空間において，グローバルとローカルなトーンコントロールの両方を実現している。本アルゴリズムは、ユーザーの主観的な調査により、自然な感じで画像を強調し、視覚化できることが証明された。画像の細部を強調する場合、医療用X線まだは錯覚を伴う画像などに応用できる。本研究は、高速化のためにFPGAに実装された。最近では、機械学習に基づく手法が、多くのコンピュータビジョンのタスクを解決するための非常に重要なツールとなっている。本研究において、トーンマッピング演算子をFPGAに実装することで、機械学習を利用して加速すること考えている。提案されたアルゴリズムは、シンプルなパラメータ化された輝度グリッドを得ることができるため、低解像度の機械学習で高解像度処理のパラメータ制御するのに有効である。そのため、ダウンサンプリングと最適な補間を行う低解像度の深層ニューラルネットワークを設計することができ、ハードウェアの効率的な設計が可能になる。

本研究室では、明るい（直射日光）から暗い（日陰）までを含む実世界を撮影するために、ハイダイナミックレンジイメージングについて研究している。このような画像は、カメラやモニターを使って構築したり表示したりするのが難しいにもかかわらず、人間の視覚システムは簡単に再構築することができる。本研究では，このような画像の画素を制御するために，平滑化局所ヒストグラムベース（SLHE）法を開発した。本研究では，局所関数を用いることで，画像の全体的な特性を操作できることを明らかにした。これにより，本アルゴリズムは，同じトーンマッピング空間において，グローバルとローカルなトーンコントロールの両方を実現している。本アルゴリズムは、ユーザーの主観的な調査により、自然な感じで画像を強調し、視覚化できることが証明された。画像の細部を強調する場合、医療用X線まだは錯覚を伴う画像などに応用できる。本研究は、高速化のためにFPGAに実装された。最近では、機械学習に基づく手法が、多くのコンピュータビジョンのタスクを解決するための非常に重要なツールとなっている。本研究において、トーンマッピング演算子をFPGAに実装することで、機械学習を利用して加速すること考えている。提案されたアルゴリズムは、シンプルなパラメータ化された輝度グリッドを得ることができるため、低解像度の機械学習で高解像度処理のパラメータ制御するのに有効である。そのため、ダウンサンプリングと最適な補間を行う低解像度の深層ニューラルネットワークを設計することができ、ハードウェアの効率的な設計が可能になる。