Quantum-Inspired Edge Detection Algorithms Implementation using New Dynamic Visual Data Representation and Short-Length Convolution Computation

要約

画像データの可用性が高まるにつれて、転送、ストレージ、および処理能力に対する要求も高まります。
この大量のデータを処理するための処理要件は、従来の処理技術の有用性を急速に上回っています。
従来の方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に移行することで、これらの問題のいくつかに対処できます。
ただし、この変換を可能にするには、インテリジェントな分析アプリケーションに必要な重要なプロセスのために、リアルタイム量子アルゴリズムの実装に関する基本的な問題を克服する必要があります。
たとえば、時間のかかる取得プロセスを必要とし、使用されるデバイスの複雑さによってさらに妨げられ、リアルタイム アプリケーションでの実装の実現可能性を制限するエッジ検出タスクを考えてみましょう。
畳み込みは、信号および画像処理アプリケーションに不可欠な演算のもう 1 つの例です。数学的演算は、かなりの計算リソースを必要とする乗算と加算のインテリジェントな混合で構成されます。
この論文では、新しいペア変換ベースの量子表現と、1 次元および 2-D 信号の畳み込みと勾配の計算について説明します。
畳み込み計算を簡素化するために新しい視覚的データ表現が定義され、より効率的なパフォーマンスのために畳み込み操作と勾配操作を並列化できるようになりました。
新しいデータ表現は、量子エッジ検出、勾配、および畳み込みの複数の例示的な例で実証されています。
さらに、提案されたアプローチの効率は、実際の画像で示されます。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google