昨今のメディア処理は機械学習の発展に伴って著しい進歩を遂げています。 Internet of Things (IoT) 社会では、様々な媒体を通じて情報の送受信が頻繁に行われ、通信量削減のためには情報の圧縮が重要です。圧縮は、例えばMP3やJPEGのように元情報に対して極力劣化なく情報を削減し、利用時に再構成するものと、センシングを一部省略することで情報を最小限に抑え、その限られた情報から再構成するものとに分かれ、特に後者を圧縮センシングと呼びます。
一般的な機械学習では、その過程で十分な情報を必要とします。一方、情報を圧縮する過程で重要な情報が欠落する場合があり、それを基に学習したモデルは、往々にしてその推論精度が劣化してしまいます。そこで、機械学習にとってあまり重要でない情報のみを適切に圧縮センシングできないか？という問題を我々は提起し、機械学習に特化した圧縮技術の研究開発に取り組んでいます。
- 深層学習のための圧縮センシング技術
- 圧縮センシング画像に特化した学習モデルの設計
