JP2022114440A - 映像復元方法及び装置 - Google Patents
映像復元方法及び装置 Download PDFInfo
- Publication number
- JP2022114440A JP2022114440A JP2021205680A JP2021205680A JP2022114440A JP 2022114440 A JP2022114440 A JP 2022114440A JP 2021205680 A JP2021205680 A JP 2021205680A JP 2021205680 A JP2021205680 A JP 2021205680A JP 2022114440 A JP2022114440 A JP 2022114440A
- Authority
- JP
- Japan
- Prior art keywords
- task
- video
- network
- vector
- architecture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000000694 effects Effects 0.000 claims abstract description 117
- 239000013598 vector Substances 0.000 claims abstract description 117
- 238000013528 artificial neural network Methods 0.000 claims abstract description 78
- 238000012549 training Methods 0.000 claims description 123
- 230000000007 visual effect Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 24
- 230000004913 activation Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000013138 pruning Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000006735 deficit Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000000593 degrading effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
110 ソースニューラルネットワーク
120 変形ネットワーク
200 ソースニューラルネットワーク
210 第1変形ネットワーク
220 第2変形ネットワーク
310 タスク-特化アーキテクチャ
320 制御アーキテクチャ
Claims (24)
- 入力映像、及び、複数の候補映像効果のうち第1映像効果を指示する第1タスクベクトルを受信するステップと、
ソースニューラルネットワークのタスク-非依存アーキテクチャに基づいて、前記入力映像から前記複数の候補映像効果が共有している共通特徴を抽出するステップと、
前記ソースニューラルネットワークのタスク-特化アーキテクチャ及び前記第1タスクベクトルに基づいて、前記共通特徴を前記第1映像効果に対応する第1復元映像に復元するステップと、
を含む、映像復元方法。 - 前記復元するステップは、
前記タスク-特化アーキテクチャに前記第1タスクベクトルを適用して第1タスク-特化ネットワークを決定するステップと、
前記第1タスク-特化ネットワークに基づいて、前記共通特徴を前記第1復元映像に復元するステップと、
を含む、請求項1に記載の映像復元方法。 - 前記復元するステップは、
前記第1タスク-特化ネットワークに基づいて、前記共通特徴から前記第1映像効果に特化した第1特化特徴を抽出するステップと、
前記第1タスク-特化ネットワークに基づいて、前記第1特化特徴を前記第1映像効果に対応する第1復元映像に復元するステップと、
を含む、請求項2に記載の映像復元方法。 - 前記第1タスク-特化ネットワークを決定するステップは、
アーキテクチャ制御ネットワークを用いて、前記第1タスクベクトルに対応する第1チャネル選択情報を生成するステップと、
前記第1チャネル選択情報に基づいて、前記タスク-特化アーキテクチャの少なくとも一部のチャネルを除去し前記第1タスク-特化ネットワークを決定するステップと、
を含む、請求項2に記載の映像復元方法。 - 前記第1チャネル選択情報を生成するステップは、
前記アーキテクチャ制御ネットワークを介して、前記第1タスクベクトルを処理して第1実数ベクトルを生成するステップと、
変換関数を介して前記第1実数ベクトルの各実数エレメントを真又は偽りに変換して、前記第1チャネル選択情報を生成するステップと、
を含む、請求項4に記載の映像復元方法。 - 前記抽出するステップは、
前記タスク-非依存アーキテクチャに共有パラメータを適用して、タスク-非依存ネットワークを決定するステップと、
前記タスク-非依存ネットワークに基づいて、前記入力映像から前記共通特徴を抽出するステップと、
を含む、請求項1に記載の映像復元方法。 - 前記複数の候補映像効果のうち第2映像効果に対応する第2タスクベクトルを受信するステップと、
前記タスク-特化アーキテクチャ及び前記第2タスクベクトルに基づいて、前記共通特徴を前記第2映像効果に対応する第2復元映像に復元するステップと、
をさらに含み、
前記共通特徴は、前記第2復元映像の復元のためにリユースされる、
請求項1に記載の映像復元方法。 - 前記第1タスクベクトルは、前記第1映像効果の各効果タイプの調整レベルを含む、
請求項1に記載の映像復元方法。 - 第1トレーニング入力映像、複数の候補映像効果のうち第1映像効果を指示する第1タスクベクトル、及び、前記第1映像効果による第1トレーニング目標映像を含む第1トレーニングデータセット、を受信するステップと、
ソースニューラルネットワークのタスク-非依存アーキテクチャに基づいて、前記第1トレーニング入力映像から前記複数の候補映像効果が共有している共通特徴を抽出するステップと、
前記ソースニューラルネットワークのタスク-特化アーキテクチャ及び前記第1タスクベクトルに基づいて、前記共通特徴を第1復元映像に復元するステップと、
前記第1トレーニング目標映像と前記第1復元映像との間の差、及び、前記共通特徴の抽出及び前記第1復元映像の復元に関する演算量に基づいて、前記ソースニューラルネットワークを更新するステップと、
を含む、トレーニング方法。 - 前記ソースニューラルネットワークを更新するステップは、
前記タスク-非依存アーキテクチャに含まれたレイヤの数が増加し、前記演算量が減少するように前記ソースニューラルネットワークを更新するステップ、を含む、
請求項9に記載のトレーニング方法。 - 前記第1タスクベクトルは、前記第1映像効果の各効果タイプの調整レベルを含み、
前記調整レベルの値は、前記第1トレーニング入力映像の入力効果レベルと前記第1トレーニング目標映像の目標効果レベルとの間の差によって決定される、
請求項9に記載のトレーニング方法。 - 第2トレーニング入力映像、第2映像効果を指示する第2タスクベクトル、及び、前記第2映像効果による第2トレーニング目標映像を含む第2トレーニングセットが存在し、前記第2トレーニング入力映像の入力効果レベルと前記第2トレーニング目標映像の目標効果レベルとの間の差が、前記第1トレーニング入力映像の入力効果レベルと前記第1トレーニング目標映像の目標効果レベルとの間の差と同一である場合、前記第2タスクベクトルは前記第1タスクベクトルと同じ値を有する、
請求項11に記載のトレーニング方法。 - コンピュータで読み出し可能な記憶媒体に格納されたコンピュータプログラムであって、
コンピュータで実行可能な複数の命令を含み、
実行されると、前記コンピュータのハードウェアに、請求項1~請求項12のいずれか1項に記載の方法を実施させる、
コンピュータプログラム。 - 入力映像を生成するカメラと、
プロセッサであり、
前記入力映像、及び、複数の候補映像効果のうち第1映像効果を指示する第1タスクベクトルを受信し、
ソースニューラルネットワークのタスク-非依存アーキテクチャに基づいて、前記入力映像から前記複数の候補映像効果が共有している共通特徴を抽出し、
前記ソースニューラルネットワークのタスク-特化アーキテクチャ及び前記第1タスクベクトルに基づいて、前記共通特徴を前記第1映像効果に対応する第1復元映像に復元する、プロセッサと、
を含む、電子装置。 - 前記プロセッサは、
前記タスク-特化アーキテクチャに前記第1タスクベクトルを適用して第1タスク-特化ネットワークを決定し、
前記第1タスク-特化ネットワークに基づいて、前記共通特徴を前記第1復元映像に復元する、
請求項14に記載の電子装置。 - 前記プロセッサは、
前記第1タスク-特化ネットワークに基づいて、前記共通特徴から前記第1映像効果に特化した第1特化特徴を抽出し、
前記第1タスク-特化ネットワークに基づいて、前記第1特化特徴を前記第1映像効果に対応する第1復元映像に復元する、
請求項15に記載の電子装置。 - 前記プロセッサは、
アーキテクチャ制御ネットワークを用いて前記第1タスクベクトルに対応する第1チャネル選択情報を生成し、
前記第1チャネル選択情報に基づいて、前記タスク-特化アーキテクチャの少なくとも一部のチャネルを除去して前記第1タスク-特化ネットワークを決定する、
請求項15に記載の電子装置。 - 前記プロセッサは、
前記アーキテクチャ制御ネットワークを介して、前記第1タスクベクトルを処理して第1実数ベクトルを生成し、
変換関数を介して前記第1実数ベクトルの各実数エレメントを真又は偽りに変換して、前記第1チャネル選択情報を生成する、
請求項17に記載の電子装置。 - 前記プロセッサは、
前記タスク-非依存アーキテクチャに共有パラメータを適用して、タスク-非依存ネットワークを決定し、
前記タスク-非依存ネットワークに基づいて、前記入力映像から前記共通特徴を抽出する、
請求項14に記載の電子装置。 - 前記プロセッサは、
前記複数の候補映像効果のうち第2映像効果に対応する第2タスクベクトルを受信し、
前記タスク-特化アーキテクチャ及び前記第2タスクベクトルに基づいて、前記共通特徴を前記第2映像効果に対応する第2復元映像に復元し、
前記共通特徴は、前記第2復元映像の復元のためにリユースされる、
請求項14に記載の電子装置。 - プロセッサであり、
入力映像、及び、候補映像効果のうち第1映像効果を指示する第1タスクベクトルを受信し、
タスク-非依存アーキテクチャを用いて、前記入力映像から前記候補映像効果が共有している共通特徴を抽出し、
前記第1タスクベクトルに基づいて、タスク-特化アーキテクチャの少なくとも1つのチャネルを除去して、第1タスク-特化ネットワークを生成し、
前記第1タスク-特化ネットワークを用いて、前記共通特徴から前記第1映像効果に特化した第1特化特徴を抽出し、
前記第1タスク-特化ネットワークを用いて、前記第1特化特徴を第1復元映像に復元する、プロセッサ、
を含む、電子装置。 - 前記プロセッサは、
前記タスク-特化アーキテクチャに共有パラメータを適用して、前記第1タスク-特化ネットワークを生成する、
請求項21に記載の電子装置。 - 前記プロセッサは、
アーキテクチャ制御ネットワークを介して、前記第1タスクベクトルを処理して第1実数ベクトルを生成し、
変換関数を介して前記第1実数ベクトルの実数エレメントの各実数エレメントを変換し、前記タスク-特化アーキテクチャの前記少なくとも1つのチャネルを除去するために用いられる第1チャネル選択情報を生成する、
請求項21に記載の電子装置。 - 前記プロセッサは、
前記候補映像効果のうち第2映像効果を指示する第2タスクベクトルを受信し、
前記第2タスクベクトルに基づいて、前記タスク-特化アーキテクチャの少なくとも1つのチャネルを除去して第2タスク-特化ネットワークを生成し、
前記第2タスク-特化ネットワークを用いて、前記共通特徴から前記第2映像効果に特化した第2特化特徴を抽出し、
前記第2タスク-特化ネットワークを用いて、前記第2特化特徴を第2復元映像に復元する、
請求項21に記載の電子装置。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20210010638 | 2021-01-26 | ||
KR10-2021-0010638 | 2021-01-26 | ||
KR1020210034480A KR102424538B1 (ko) | 2021-01-26 | 2021-03-17 | 영상 복원 방법 및 장치 |
KR10-2021-0034480 | 2021-03-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022114440A true JP2022114440A (ja) | 2022-08-05 |
JP7239116B2 JP7239116B2 (ja) | 2023-03-14 |
Family
ID=78085567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021205680A Active JP7239116B2 (ja) | 2021-01-26 | 2021-12-20 | 映像復元方法及び装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220237744A1 (ja) |
EP (1) | EP4033446A1 (ja) |
JP (1) | JP7239116B2 (ja) |
CN (1) | CN114792387A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7508525B2 (ja) | 2022-10-21 | 2024-07-01 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220058143A (ko) * | 2020-10-30 | 2022-05-09 | 삼성전자주식회사 | 영상 복원 방법 및 장치 |
US20240152757A1 (en) * | 2022-11-08 | 2024-05-09 | Adobe Inc. | Guided comodgan optimization |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020095407A (ja) * | 2018-12-11 | 2020-06-18 | 日本電信電話株式会社 | 画像生成装置、画像生成方法、及びプログラム |
WO2020165196A1 (en) * | 2019-02-14 | 2020-08-20 | Carl Zeiss Meditec Ag | System for oct image translation, ophthalmic image denoising, and neural network therefor |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10997690B2 (en) * | 2019-01-18 | 2021-05-04 | Ramot At Tel-Aviv University Ltd. | Method and system for end-to-end image processing |
KR102190527B1 (ko) * | 2019-02-28 | 2020-12-14 | 현대모비스 주식회사 | 자동 영상 합성 장치 및 방법 |
KR20210156538A (ko) * | 2020-06-18 | 2021-12-27 | 삼성전자주식회사 | 뉴럴 네트워크를 이용한 데이터 처리 방법 및 데이터 처리 장치 |
US20220084204A1 (en) * | 2020-09-11 | 2022-03-17 | Nvidia Corporation | Labeling images using a neural network |
WO2023049409A1 (en) * | 2021-09-23 | 2023-03-30 | The Trustees Of Columbia University In The City Of New York | Robotic dexterity with intrinsic sensing and reinforcement learning |
-
2021
- 2021-07-20 US US17/380,648 patent/US20220237744A1/en active Pending
- 2021-10-06 EP EP21201300.7A patent/EP4033446A1/en not_active Withdrawn
- 2021-10-14 CN CN202111196371.8A patent/CN114792387A/zh not_active Withdrawn
- 2021-12-20 JP JP2021205680A patent/JP7239116B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020095407A (ja) * | 2018-12-11 | 2020-06-18 | 日本電信電話株式会社 | 画像生成装置、画像生成方法、及びプログラム |
WO2020165196A1 (en) * | 2019-02-14 | 2020-08-20 | Carl Zeiss Meditec Ag | System for oct image translation, ophthalmic image denoising, and neural network therefor |
Non-Patent Citations (1)
Title |
---|
成冨 志優 他: "Conditional GANによる食事写真の属性操作", 第10回データ工学と情報マネジメントに関するフォーラム (第16回日本データベース学会年次大会) [, JPN6023001850, 6 March 2018 (2018-03-06), JP, ISSN: 0004971492 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7508525B2 (ja) | 2022-10-21 | 2024-07-01 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
CN114792387A (zh) | 2022-07-26 |
JP7239116B2 (ja) | 2023-03-14 |
EP4033446A1 (en) | 2022-07-27 |
US20220237744A1 (en) | 2022-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12008461B2 (en) | Method for determining neuron events based on cluster activations and apparatus performing same method | |
JP7239116B2 (ja) | 映像復元方法及び装置 | |
WO2020073211A1 (zh) | 运算加速器、处理方法及相关设备 | |
CN113302605B (zh) | 鲁棒且数据效率的黑盒优化 | |
EP3528181B1 (en) | Processing method of neural network and apparatus using the processing method | |
TW202119293A (zh) | 對人工神經網路進行量化的方法及系統以及人工神經網路設備 | |
US9536206B2 (en) | Method and apparatus for improving resilience in customized program learning network computational environments | |
KR20190098671A (ko) | 뉴럴 네트워크의 고속 처리 방법 및 그 방법을 이용한 장치 | |
CN108171328B (zh) | 一种神经网络处理器和采用其执行的卷积运算方法 | |
KR20220114209A (ko) | 연사 영상 기반의 영상 복원 방법 및 장치 | |
KR20220042455A (ko) | 마이크로-구조화된 가중치 프루닝 및 가중치 통합을 이용한 신경 네트워크 모델 압축을 위한 방법 및 장치 | |
CN116264847A (zh) | 用于生成机器学习多任务模型的系统和方法 | |
WO2021081854A1 (zh) | 一种卷积运算电路和卷积运算方法 | |
JP2021103519A (ja) | 行動認識のための時空間の平滑化フィーチャを正規化する方法およびシステム | |
US20230359862A1 (en) | Systems and Methods for Machine-Learned Models Having Convolution and Attention | |
KR102424538B1 (ko) | 영상 복원 방법 및 장치 | |
CN113821471A (zh) | 神经网络的处理方法和电子装置 | |
US20230259775A1 (en) | Method and apparatus with pruning | |
WO2022201399A1 (ja) | 推論装置、推論方法および推論プログラム | |
TWI829208B (zh) | 用於判定用於處理串流輸入資料之硬體架構之設計參數值之方法及系統及電腦可讀儲存媒體 | |
US11586895B1 (en) | Recursive neural network using random access memory | |
US20230185527A1 (en) | Method and apparatus with data compression | |
EP4141646A1 (en) | Method and apparatus with calculation | |
US20240256901A1 (en) | Information processing apparatus, information processing method and non-transitory computer-readable storage medium | |
US20240185088A1 (en) | Scalable weight reparameterization for efficient transfer learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211220 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20220106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230110 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230124 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230221 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7239116 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |