AI

エーアイ

公開：2025-01-23

Turingが視覚データの高精度圧縮技術を開発、自動運転AIの処理効率化に革新をもたらす

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

記事の要約

• Turingが高精度な視覚データ圧縮技術を開発
• AIに最適化された形式でデータを保持可能に
• 自動運転やマルチモーダルAIでの活用を実現

Turingの視覚データ圧縮技術による自動運転AIの革新

Turing株式会社は動画や画像の大規模データを効率的に圧縮しながら、AIに適した形式で高精度に保持できる技術を2025年1月22日に発表した。局所的に重要情報を集約する学習時の工夫と、重要度に応じたデータの割り当てを組み合わせることで、自動運転AIやマルチモーダルAIなどにおける高速かつ高精度なデータ活用が可能になるのだ。^[1]

この技術では、テキストや画像など多様な情報をトークンの列に変換し、それらを必要に応じて増減できる可変長圧縮を導入している。学習段階でトークン列の末尾をランダムに削除し、その差異を比較してモデルを最適化する手法「Tail Token Drop」により、圧縮率を高めても重要情報を損なわない設計を実現したのである。

本技術は従来のJPEGやWebPなどの画像フォーマットと比較して、小さいバイト数で視覚的に自然な画像を再構成することが可能だ。車載カメラからの映像を少ないトークンに圧縮することで、自動運転基盤モデルに視覚データを効率的に入力でき、大規模AIモデルがリアルタイムで高速に周囲の情報を認識・判断することを実現している。

視覚データ圧縮技術の特徴まとめ

トークン列について

トークン列とは、AIが処理するための最小単位であるトークンを一定の順序で並べたデータ構造のことを指す。主な特徴として、以下のような点が挙げられる。

• 画像やテキストなど多様な情報を統一的に扱える形式
• 必要に応じてデータ量を増減可能な柔軟な構造
• AIモデルによる効率的な処理が可能な形式

Turingの新技術では、トークン列の末尾をランダムに削除してモデルを最適化する独自の手法を導入している。この手法により、圧縮率を高めても重要な情報を優先的に保持することが可能になり、自動運転AIやマルチモーダルAIにおける効率的なデータ活用を実現したのである。

視覚データ圧縮技術に関する考察

Turingが開発した視覚データ圧縮技術は、AIモデルの処理効率と情報保持の両立という課題を解決する画期的なアプローチである。特に自動運転分野では、大量の視覚データをリアルタイムで処理する必要があり、この技術によって処理速度と精度の大幅な向上が期待できるだろう。

今後の課題として、様々な環境下での安定性や異なるAIモデルとの互換性の確保が挙げられる。解決策としては、より多様なデータセットでの検証や、標準的なインターフェースの整備が重要になってくるはずだ。圧縮アルゴリズムの更なる最適化や、より細かな品質制御機能の実装も期待される。

将来的には、この技術を基盤として、より高度な自動運転システムやマルチモーダルAIの開発が加速すると予想される。特に、リアルタイム性と高精度な認識が求められる分野での活用が期待できるだろう。業界標準としての採用も視野に入れた展開が望まれる。

参考サイト

1. ^ . 「チューリング株式会社 ｜チューリング、大規模AI向けの視覚データ圧縮技術を開発
   大幅な容量削減と高い再構成品質を両立」. https://tur.ing/posts/RbfvIUY0, (参照 25-01-23).

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。

「AI」に関するコラム一覧「AI」に関するニュース一覧