Core Concepts
画像圧縮技術とスーパーリゾリューション生成敵対的ネットワーク(SRGAN)を統合することで、クラウド上の画像データ保存の省電力化と環境負荷の低減を実現する。
Abstract
本研究は、クラウドストレージにおける画像データ管理の省電力化と環境負荷低減を目的としている。
まず、画像データを圧縮および縮小する。具体的には以下の手順を踏む:
画像データにデフレート圧縮アルゴリズムを適用し、ファイルサイズを削減する。
フロイド-スタインバーグ・ディザリングを用いて色数を制限し、さらなる圧縮を行う。
ランチョス3補間法を使って4倍の縮小を行う。
次に、圧縮・縮小された画像データをSRGANモデルに入力し、超解像処理を行う。SRGANは敵対的学習によりリアルな高解像度画像を生成する。
この一連の処理により、クラウド上の画像データ保存に必要な容量と電力消費を大幅に削減できる。具体的な評価結果として、DIV2Kデータセットの428MBの画像データを38.7MBまで圧縮できた。これにより、年間の電力消費を37.564kWh、炭素排出量を18.782kgも削減できると試算された。さらに、10TBのデータを70%圧縮した場合、年間の電力消費を156.366kWh~708.246kWh、炭素排出量を78.183kg~354.123kgも削減できると見積もられる。
本手法は、クラウドストレージの環境負荷低減と運用コスト削減に大きく貢献できる。
Stats
元のDIV2Kデータセットのサイズは428MBだったが、提案手法を適用することで38.7MBまで圧縮できた。
これにより、年間の電力消費を37.564kWh削減でき、炭素排出量を18.782kg削減できると試算された。
10TBのデータを70%圧縮した場合、年間の電力消費を156.366kWh~708.246kWh削減でき、炭素排出量を78.183kg~354.123kg削減できると見積もられる。
Quotes
"画像データの指数関数的な増加により、データセンターの電力消費と環境への影響が深刻化している。"
"提案手法により、画像データの保存容量を90%以上削減でき、大幅な電力消費と炭素排出量の削減が可能となる。"