抄録

◎村田大智・切山亜弓・雫　　譲・廣瀬哲也・黒木修隆・沼　昌宏（神戸大）

　近年，映像表示機器の高精細化が加速している。そのため，劣化の少ない解像度変換技術として学習型超解像の需要が高まっている。本稿では，学習型超解像の1種である自己学習型超解像のハードウェア化による処理時間の短縮を目的として，処理の大部分を占めるK-means クラスタリングを高速に実行するアーキテクチャを提案する。具体的には，PCA（Principal Component Analysis）を用いることでK-meansクラスタリングのアルゴリズムをハードウェア向けに簡略化し，高速化を行った。
　提案回路の設計を行い，論理合成ツールを用いてFPGA（Field-Programmable Gate Array）にマッピングすることで，最大動作周波数を評価した結果，ソフトウェアの場合と比較して207 倍以上の高速化が確認できた。