1. はじめに
1.1 動機
エッジベースのビジョンシステム—ドローン、スマートカメラ、自動運転車—の普及は、組込みハードウェアの厳格な遅延、信頼性、電力予算を尊重するリアルタイム 損失圧縮の需要を高めています。従来のコーデック（H.264/AVC、HEVC）は、運動推定、変換符号化、量子化の段階に依存しており、アルゴリズム的でソフトウェアとハードウェアのコストが高いです。新興の深層学習圧縮機、特に再帰型ニューラルネットワーク（RNN）に基づくものは、入力統計量とハードウェア制約に適応できる学習可能なデータ駆動の代替を約束します。しかし、多くの RNN ベースの圧縮は、フレームを個別に処理するか、固定の光学フローにまたがって集約する一般的な系列モデル（例: LSTM、GRU）から外挿しており、タイムステップごとにチャネルの関連性を適応させていません。
1.2 ギャップ
従来の研究は、視覚分類およびセグメンテーションのために、畳み込みネットワークにスクイーズ‑エクシテーション（SE）モジュールを適用してきました。SE 手法は特徴マップを動的に再重み付けし、表現力を向上させつつ、計算オーバーヘッドをほとんど追加しません。とはいえ、SE は再帰的動画圧縮アーキテクチャ、特に LSTM よりも軽量な GRU のバリアントにおいては、ほとんど探究されていません。既存の GRU ベースのコーデックは、フレーム間の依存性を捨てるか、それらを静的な時系列埋め込みとして扱い、高度に動的なシーンを圧縮する能力を制限します。
1.3 貢献
私たちは、Adaptive Squeeze‑Excitation GRU（ASE‑GRU）を提案します。これは、SE 再重み付けを GRU のゲーティング機構に組み込む新規の再帰ブロックです。主な貢献は以下のとおりです：
- ASE‑GRU セル設計 – 現在の隠れ状態をチャネルごとのスケール因子へ写像する SE モジュールを組み込み、更新ゲートとリセットゲートにフィードバックして、運動と内容の入力適応表現を可能にします。
- 深さ方向残差プロジェクター – 軽量な深さ方向分離畳み込みを用いた残差投影器が再帰セルに空間的文脈を補完し、深い再帰バックボーンの必要性を減らします。
- エンドツーエンド圧縮パイプライン – 残差、動きベクトル、ビット割り当てを同時に予測するエンコーダ-デコーダーアーキテクチャで、共同のレート-ディストーション・サロゲートで訓練されます。
- 総合的な評価 – 従来のコーデックおよび最近のニューラルアプローチを、多様なデータセットでベンチマークし、ビットレート、PSNR、SSIM、レイテンシ、およびエネルギー消費の指標を報告します。
- 商業ロードマップ – FPGA/ASIC を対象としたハードウェア展開の明確な計画と、訓練済みモデルおよび推論カーネルのオープンソース公開。
SE をゲートに直接組み込むことで、ASE‑GRU は時間的伝搬の間、情報量の多いチャネルを動的に優先します。
