287258記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 単一画像超解像のための量子アニーリング（Quantum Annealing for Single Image Super-Resolution）
2 分で読了
0 views

単一画像超解像のための量子アニーリング

（Quantum Annealing for Single Image Super-Resolution）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近「量子アニーリングで画像を鮮明にする」という話を聞きまして、うちの工場の古い写真や検査画像に使えないかと考えています。そもそも何を変える技術なんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！Single Image Super-Resolution (SISR) 単一画像超解像という分野に、Quantum Annealing (QA) 量子アニーリングを当てる試みです。要点は、低解像度の画像から高解像度を再構築する課題に、従来の手法とは別の最適化の道を探している点ですよ。

田中専務

量子と言われると身構えますが、具体的にはどの部分が変わるのですか。うちが投資する価値があるか、端的に知りたいです。

AIメンター拓海

大丈夫、一緒に整理しましょう。要点は三つです。まず、Sparse Coding（スパースコーディング）による特徴表現をバイナリ化して量子最適化に投げることで、より精度の良い選択を目指す点。次に、Quadratic Unconstrained Binary Optimization (QUBO) 2次制約なしバイナリ最適化という形式に落とし込み、量子アニーリングで解く点。そして将来的にはある種の不確かさ評価や頑健性が期待できる点です。

田中専務

これって要するに、従来の深層学習で学習済みのネットワークを使うよりも、別の最適化手段で

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
データ前処理が効果的なエンドツーエンド深層ニューラルネットワーク学習を決める
（Understand Data Preprocessing for Effective End-to-End Training of Deep Neural Networks）
次の記事
一貫した自己教師あり単眼深度とエゴモーションのための姿勢制約
（Pose Constraints for Consistent Self-supervised Monocular Depth and Ego-motion）
関連記事
高速化された時空間同期グラフ畳み込みネットワークによる交通流予測
（FasterSTS: A Faster Spatio-Temporal Synchronous Graph Convolutional Networks for Traffic Flow Forecasting）
トウモロコシにおけるインプリンティング遺伝子の網羅的解析
（Comprehensive analysis of imprinted genes in maize reveals limited conservation with other species and allelic variation for imprinting）
データ・フィジカライゼーションにおけるエンコーディング変数と評価手法
（Encoding Variables and Evaluation Methods for Data Physicalisation）
IMU特徴観測性を高めた学習型慣性オドメトリ
（AirIO: Learning Inertial Odometry with Enhanced IMU Feature Observability）
膜惑星の潮汐ラブ数 — ヨーロッパ、タイタンなど
(Tidal Love numbers of membrane worlds: Europa, Titan, and Co.)
サイバーフィジカルシステム向け時系列異常検知：ニューラルシステム同定とベイズフィルタリング
（Time Series Anomaly Detection for Cyber-physical Systems via Neural System Identification and Bayesian Filtering）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
異なる天文サーベイ間の転移学習による銀河形態分類
（Transfer learning for galaxy morphology from one survey to another）
  • 論文研究
局所ハミルトニアンによるデータ分類
（Classifying Data with Local Hamiltonians）
  • 論文研究
深層学習で設計するフィードバック付き通信コード
（Deepcode: Feedback Codes via Deep Learning）
  • 論文研究
表面電子の輸送測定と薄膜ヘリウムマイクロチャネルの可能性
（Transport Measurements of Surface Electrons in 200 nm Deep Helium-Filled Microchannels Above Amorphous Metallic Electrodes）
  • 論文研究
アルゴリズム的不公平を数値化する統一的アプローチ
（A Unified Approach to Quantifying Algorithmic Unfairness）
  • 論文研究
生成敵対ネットワークの潜在空間におけるアンビエント表現
（Ambient Hidden Space of Generative Adversarial Networks）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む