ミニロト販売k8 カジノPFN、AIで動画を複数の色レイヤーにリアルタイム分解する技術開発仮想通貨カジノパチンコダイナム佐賀川副店

旅行カメラミラーレスk8 カジノ Innovative Tech：

パチンコakb桜このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。

　Preferred Networks（PFN）が開発した「Fast Soft Color Segmentation」は、1枚の画像を複数のRGBA （RGBカラーと不透明度を表現するアルファチャンネル）のレイヤーに分解する、深層学習を用いたカラーセグメンテーション技術だ。分解したレイヤーは画像や動画の再彩色や合成など、レイヤーベースの編集に利用できる。既存の手法に比べ、処理が30万倍高速になったという。

1枚のRGB画像から同質色を含む複数のRGBAレイヤーに分解する深層学習モデルを提案する

　画像のセグメンテーション（領域分け）は、画像の各ピクセルに単一の領域を割り当てる手法だが、ぼやけた物体や透明度の高い物体、区別が曖昧な領域には理想的ではない。そのため、各ピクセルを複数の領域に割り当てるセグメンテーションが効果的だ。

　しかし既存の手法では、高解像度の画像処理や動画フレームの分解に膨大な処理時間がかかってしまう。そこで本手法では品質を維持しつつ時間の短縮を狙う。

　提案モデルは、1枚のRGB画像を入力に「パレットカラーセレクション」「アルファレイヤー推定」「カラーレイヤー推定」の3段階で構成したアーキテクチャで処理し、RGBA層を出力する。

3つのステージから構成される本手法の深層学習モデル

　「パレットカラーセレクション」では、画像におけるカラーレイヤーに含まれる平均色を自動／手動で選択。「アルファレイヤー推定」では、選択されたパレットカラーに対応するアルファレイヤーを推定。「カラーレイヤー推定」では、パレットカラーからの色のずれを示す色残差を推定。これらを基に、RGBA層を決定する。アルファレイヤーと残差を推定するネットワークは共同で学習され、教師データを使用しない自己監視学習を採用している。

　学習したモデルの定性／定量的な実験を行った結果、同等の視覚的品質を維持しつつ、分解速度が最新の類似手法を大幅に上回ったとしている。特に既存の手法と比較して、分解時間を30万分の1に短縮することに成功。高速化により、リアルタイム編集やフレームごとの映像分解などへの適用が可能になるという。

最新の類似研究と定性的に比較した図。既存手法と比べても品質を維持している