本記事では、古典的なスパースモデルと現代の深層構造を結びつける半統一スパース辞書学習フレームワークを提案します。この手法は、厳密なTop-K LISTAおよびその凸FISTAベースの変種（LISTAConv）を識別的なLC-KSVD2モデルに統合し、教師ありまたは教師なし環境下でスパースエンコーダと辞書の共進化を可能にします。この統一的なデザインは伝統的なスパースコーディングの解釈性を保持しつつ、効率的で微分可能なトレーニングの利点を享受します。また、凸変種に対するPALMスタイルの収束解析を確立し、ブロック交互法における理論的安定性を保証します。実験では、提案手法がCIFAR-10で95.6%、CIFAR-100で86.3%、TinyImageNetで88.5%の性能を達成し、収束時間の短縮とメモリコストの低下（4GB未満のGPU）を実現したことが確認されました。