論文の概要: Quantum-Inspired Edge Detection Algorithms Implementation using New
Dynamic Visual Data Representation and Short-Length Convolution Computation
- arxiv url: http://arxiv.org/abs/2210.17490v1
- Date: Mon, 31 Oct 2022 17:13:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 19:06:13.903963
- Title: Quantum-Inspired Edge Detection Algorithms Implementation using New
Dynamic Visual Data Representation and Short-Length Convolution Computation
- Title（参考訳）: 新しい動的ビジュアルデータ表現と短長畳み込み計算を用いた量子インスピレーションエッジ検出アルゴリズムの実装
- Authors: Artyom M. Grigoryan, Sos S. Agaian, Karen Panetta
- Abstract要約: 本稿では、1次元および2次元信号の畳み込みと勾配のペア変換に基づく新しい量子表現と計算について述べる。
新しいデータ表現は、量子エッジ検出、勾配、畳み込みの複数の例で示されている。
- 参考スコア（独自算出の注目度）: 6.950510860295866
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the availability of imagery data continues to swell, so do the demands on
transmission, storage and processing power. Processing requirements to handle
this plethora of data is quickly outpacing the utility of conventional
processing techniques. Transitioning to quantum processing and algorithms that
offer promising efficiencies over conventional methods can address some of
these issues. However, to make this transformation possible, fundamental issues
of implementing real time Quantum algorithms must be overcome for crucial
processes needed for intelligent analysis applications. For example, consider
edge detection tasks which require time-consuming acquisition processes and are
further hindered by the complexity of the devices used thus limiting
feasibility for implementation in real-time applications. Convolution is
another example of an operation that is essential for signal and image
processing applications, where the mathematical operations consist of an
intelligent mixture of multiplication and addition that require considerable
computational resources. This paper studies a new paired transform-based
quantum representation and computation of one-dimensional and 2-D signals
convolutions and gradients. A new visual data representation is defined to
simplify convolution calculations making it feasible to parallelize convolution
and gradient operations for more efficient performance. The new data
representation is demonstrated on multiple illustrative examples for quantum
edge detection, gradients, and convolution. Furthermore, the efficiency of the
proposed approach is shown on real-world images.
- Abstract（参考訳）: 画像データの可用性が向上し続けるにつれ、送信、ストレージ、処理能力の要求も高まる。
この大量のデータを扱うための処理要件は、従来の処理技術の実用性を急速に上回っている。
従来の手法よりも有望な効率を提供する量子処理とアルゴリズムへの移行は、これらの問題に対処することができる。
しかし、この変換を可能にするためには、インテリジェント分析アプリケーションに必要な重要なプロセスに対して、リアルタイム量子アルゴリズムを実装するという根本的な問題を克服する必要がある。
例えば、時間を要する取得プロセスを必要とするエッジ検出タスクを考慮すれば、使用するデバイスの複雑さにより、リアルタイムアプリケーションの実装可能性が制限される。
畳み込み(convolution)は、信号や画像処理の応用に不可欠な演算の例であり、数理演算は、かなりの計算資源を必要とする乗算と加算のインテリジェントな混合からなる。
本稿では、1次元および2次元信号の畳み込みと勾配のペア変換に基づく新しい量子表現と計算について述べる。
畳み込み計算を単純化し、より効率的な性能のために畳み込み演算と勾配演算を並列化できるようにする新しいビジュアルデータ表現が定義されている。
新しいデータ表現は、量子エッジ検出、勾配、畳み込みの複数の例で示されている。
さらに,実世界の画像に提案手法の効率性を示す。
関連論文リスト
- Accelerating Error Correction Code Transformers [56.75773430667148]
本稿では,トランスを用いたデコーダの高速化手法を提案する。
最新のハードウェアでは、90%の圧縮比を実現し、算術演算エネルギー消費を少なくとも224倍削減する。
論文 参考訳（メタデータ） (2024-10-08T11:07:55Z) - Dynamic Range Reduction via Branch-and-Bound [1.533133219129073]
ハードウェアアクセラレーターを強化するための主要な戦略は、算術演算における精度の低下である。
本稿ではQUBO問題における精度向上のための完全原理分岐境界アルゴリズムを提案する。
実験は、実際の量子アニール上でのアルゴリズムの有効性を検証する。
論文 参考訳（メタデータ） (2024-09-17T03:07:56Z) - Fast, Scalable, Warm-Start Semidefinite Programming with Spectral
Bundling and Sketching [53.91395791840179]
我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。
USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
論文 参考訳（メタデータ） (2023-12-19T02:27:22Z) - Incrementally-Computable Neural Networks: Efficient Inference for
Dynamic Inputs [75.40636935415601]
ディープラーニングは、センサーデータやユーザ入力などの動的入力を効率的に処理するという課題に直面していることが多い。
インクリメンタルな計算アプローチを採用し、入力の変化に応じて計算を再利用する。
本稿では,この手法をトランスフォーマーアーキテクチャに適用し,修正入力の分数に比例した複雑性を持つ効率的なインクリメンタル推論アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-07-27T16:30:27Z) - Scaled Quantization for the Vision Transformer [0.0]
少数のビットを使用した量子化は、ディープニューラルネットワークにおけるレイテンシとメモリ使用量の削減を約束している。
本稿では、中間浮動小数点演算を必要とせずに、視覚変換器ネットワークの完全整数量子化のためのロバストな手法を提案する。
論文 参考訳（メタデータ） (2023-03-23T18:31:21Z) - Improved FRQI on superconducting processors and its restrictions in the
NISQ era [62.997667081978825]
量子画像のフレキシブル表現の実現可能性について検討する。
また、現在の雑音の中間スケール量子時代の限界を実験的に検証する。
FRQIに必要な回路を単純化する手法を提案する。
論文 参考訳（メタデータ） (2021-10-29T10:42:43Z) - Parameterized process characterization with reduced resource
requirements [0.5735035463793008]
本研究は, プロセスの事前の知識を必要とせずに, 単元プロセスのキャラクタリゼーションに要する資源を著しく少なくするアプローチを提案する。
球ブロッホ上のX軸とY軸を通して回転する量子過程を測定することで、量子過程行列を$chi$で再構成し、その忠実度を測定するのに十分な情報を得ることができる。
本研究では,プロセスマトリックスの虚像部分のノイズ低減と,キャラクタリゼーションに必要な実験回数の削減により,ゲート忠実度を向上できることを数値実験で示す。
論文 参考訳（メタデータ） (2021-09-22T17:41:32Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳（メタデータ） (2021-06-27T06:27:22Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - As Accurate as Needed, as Efficient as Possible: Approximations in
DD-based Quantum Circuit Simulation [5.119310422637946]
決定図(DD)は、これまで多くの重要なケースにおいて、量子状態の冗長性を利用して必要なメモリを削減することが示されている。
量子コンピュータの確率性を利用して、よりコンパクトな表現を実現することにより、この削減を増幅できることが示される。
具体的には、よりコンパクトな表現を実現するために量子状態を近似する2つの新しいDDベースのシミュレーション戦略を提案する。
論文 参考訳（メタデータ） (2020-12-10T12:02:03Z) - Accelerating Neural Network Inference by Overflow Aware Quantization [16.673051600608535]
ディープニューラルネットワークの重計算を継承することで、その広範な応用が防げる。
トレーニング可能な適応的不動点表現を設計し,オーバーフローを考慮した量子化手法を提案する。
提案手法により,量子化損失を最小限に抑え,最適化された推論性能を得ることができる。
論文 参考訳（メタデータ） (2020-05-27T11:56:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。