@techreport{oai:ipsj.ixsq.nii.ac.jp:00231505,
 author = {大橋, 虎ノ介 and 後藤, 佑介},
 issue = {6},
 month = {Dec},
 note = {近年，インターネット上で動画コンテンツを視聴するユーザ数の増加にともない，ビデオトラフィックが急増している．インターネット上で動画を視聴する場合，通信状況が悪くなり視聴品質が低下すると動画コンテンツの再生処理時間が長大化し，再生中に映像や音声の途切れが発生する．このようなユーザの視聴品質低下を抑えるため，高品質の動画像をより少ないビット数で転送する方法として，機械学習を活用した動画像の圧縮モデルが研究されている．これらの研究では，畳み込みニューラルネットワークを用いて画像データの次元数を削減し，スカラー量子化やベクトル量子化を用いて連続値を離散値に変換する．これまでの研究で提案されてきた動画圧縮モデルは，スカラー量子化を用いた手法のみであり，ベクトル量子化を用いた手法は提案されていなかった．本研究では，ベクトル量子化を用いた動画の圧縮手法を提案し，提案手法を適用した動画圧縮モデルを評価する．提案手法では，ファインチューニングしたフレームの重みを用いて次のフレームをファインチューニングすることで，動画圧縮の処理時間を短縮し，一定時間内でより多くのフレームをファインチューニングする．提案手法を適用した動画圧縮モデルの評価では，ファインチューニングしない方法を適用した動画圧縮モデルに比べて，画像類似度が高くなった．},
 title = {ベクトル量子化を用いた動画圧縮手法の提案},
 year = {2023}
}