論文の概要: Structure and Design of HoloGen
- arxiv url: http://arxiv.org/abs/2006.10509v1
- Date: Thu, 18 Jun 2020 13:29:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 14:18:31.469388
- Title: Structure and Design of HoloGen
- Title（参考訳）: HoloGenの構造と設計
- Authors: Peter J. Christopher and Timothy D. Wilkinson
- Abstract要約: CGHは焦点深度、調節度、収束度を含む光場を完全に表現することができる。
HoloGenはMITライセンスのアプリケーションで、専門家の指導なしに幅広いアルゴリズムを使ってホログラムを生成するために使われる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Increasing popularity of augmented and mixed reality systems has seen a
similar increase of interest in 2D and 3D computer generated holography (CGH).
Unlike stereoscopic approaches, CGH can fully represent a light field including
depth of focus, accommodation and vergence. Along with existing
telecommunications, imaging, projection, lithography, beam shaping and optical
tweezing applications, CGH is an exciting technique applicable to a wide array
of photonic problems including full 3D representation. Traditionally, the
primary roadblock to acceptance has been the significant numerical processing
required to generate holograms requiring both significant expertise and
significant computational power. This article discusses the structure and
design of HoloGen. HoloGen is an MIT licensed application that may be used to
generate holograms using a wide array of algorithms without expert guidance.
HoloGen uses a Cuda C and C++ backend with a C# and Windows Presentation
Framework graphical user interface. The article begins by introducing HoloGen
before providing an in-depth discussion of its design and structure. Particular
focus is given to the communication, data transfer and algorithmic aspects.
- Abstract（参考訳）: 拡張現実と混合現実感システムの普及は、同様に2Dおよび3Dコンピュータ生成ホログラフィー(CGH)への関心が高まっている。
立体的アプローチとは異なり、CGHは焦点深度、調節度、収束度を含む光場を完全に表現することができる。
既存の通信、画像、投影、リソグラフィー、ビームシェイピング、光学的ツイーズ技術とともに、CGHは完全な3D表現を含む幅広いフォトニック問題に適用できるエキサイティングな技術である。
伝統的に、受け入れられる主な障害は、重要な専門知識と計算能力の両方を必要とするホログラムを生成するのに必要な重要な数値処理であった。
本稿では,HoloGenの構造と設計について論じる。
HoloGenはMITライセンスのアプリケーションで、専門家の指導なしに幅広いアルゴリズムを使ってホログラムを生成するために使われる。
HoloGenはCuda CとC++のバックエンドとC#とWindows Presentation Frameworkのグラフィカルユーザインターフェースを使用している。
記事はHoloGenの導入から始まり、その設計と構造に関する詳細な議論を提供する。
通信、データ転送、アルゴリズム的な側面に特に焦点が当てられている。
関連論文リスト
- HoloGS: Instant Depth-based 3D Gaussian Splatting with Microsoft HoloLens 2 [1.1874952582465603]
私たちは、Microsoft HoloLens 2の能力をインスタント3Dガウススプレイティングに活用しています。
HoloLensセンサーデータを利用した新しいワークフローであるHoloGSを紹介し、前処理ステップの必要性を回避した。
文化遺産像の屋外シーンと細構造植物室内シーンの2つの自撮りシーンに対するアプローチを評価した。
論文 参考訳（メタデータ） (2024-05-03T11:08:04Z) - Holo-VQVAE: VQ-VAE for phase-only holograms [1.534667887016089]
ホログラフィーは視覚技術革新の最前線にあり、光波振幅と位相の操作による没入型3次元可視化を提供する。
ホログラム生成に関する最近の研究は、主に画像からホログラムへの変換に焦点を当てており、既存の画像からホログラムを生成する。
位相限定ホログラム(POHs)に適した新規な生成フレームワークであるHolo-VQVAEについて述べる。
論文 参考訳（メタデータ） (2024-03-29T15:27:28Z) - Configurable Learned Holography [33.45219677645646]
本稿では,RGBのみの2次元画像から様々なホログラム表示のための3次元ホログラムをインタラクティブに計算する学習モデルを提案する。
我々は,3次元ホログラム合成タスクの深度推定と3次元ホログラム合成の相関関係の同定に,ホログラム計算を頼れるようにした。
論文 参考訳（メタデータ） (2024-03-24T13:57:30Z) - GS-CLIP: Gaussian Splatting for Contrastive Language-Image-3D
Pretraining from Real-World Data [73.06536202251915]
ポイントクラウドとして表される3D形状は、画像と言語記述を整列させるために、マルチモーダル事前トレーニングの進歩を実現している。
GS-CLIPは,3D表現を向上させるために,マルチモーダル事前学習に3DGSを導入するための最初の試みである。
論文 参考訳（メタデータ） (2024-02-09T05:46:47Z) - OmniSCV: An Omnidirectional Synthetic Image Generator for Computer
Vision [5.2178708158547025]
本稿では,全方位画像のデータセットを意味情報と深度情報で生成するツールを提案する。
これらの画像は、Unreal Engine 4のリアルな仮想環境で取得された一連のキャプチャから合成される。
ツールには、非中央パノラマおよび非中央カタディオプトリシステムとして、フォトリアリスティックな非中央プロジェクションシステムが含まれています。
論文 参考訳（メタデータ） (2024-01-30T14:40:19Z) - Holodeck: Language Guided Generation of 3D Embodied AI Environments [84.16126434848829]
Holodeckは、ユーザに供給されたプロンプトを完全に自動でマッチさせる3D環境を生成するシステムである。
アンノテータは住宅シーンにおいて,手作業で設計した手続きベースラインよりもホロデックを好むことを示す。
また、Embodied AIにおけるHolodeckのエキサイティングな応用を実演し、人間の構築したデータを使わずに、新しいシーンをナビゲートするエージェントを訓練する。
論文 参考訳（メタデータ） (2023-12-14T16:04:14Z) - Multiview Compressive Coding for 3D Reconstruction [77.95706553743626]
単一オブジェクトの3Dポイントやシーン全体で動作するシンプルなフレームワークを紹介します。
我々のモデルであるMultiview Compressive Codingは、入力の外観と形状を圧縮して3次元構造を予測する。
論文 参考訳（メタデータ） (2023-01-19T18:59:52Z) - GH-Feat: Learning Versatile Generative Hierarchical Features from GANs [61.208757845344074]
画像合成から学習した生成機能は、幅広いコンピュータビジョンタスクを解く上で大きな可能性を秘めていることを示す。
まず,事前学習したStyleGANジェネレータを学習損失関数として考慮し,エンコーダを訓練する。
GH-Feat(Generative Hierarchical Features)と呼ばれるエンコーダが生成する視覚的特徴は、階層的なGAN表現と高度に一致している。
論文 参考訳（メタデータ） (2023-01-12T21:59:46Z) - Optimization of phase-only holograms calculated with scaled diffraction
calculation through deep neural networks [6.554534012462403]
コンピュータ生成ホログラム(CGHs)はホログラフィック3次元ディスプレイやホログラフィック投影に用いられる。
位相のみのCGHを用いた再構成画像の品質は、再構成画像の振幅の制御が難しいため劣化する。
本研究では,大規模回折計算と無作為位相自由法を用いて生成した位相のみのCGHをディープラーニングで最適化する。
論文 参考訳（メタデータ） (2021-12-02T00:14:11Z) - Learned Spatial Representations for Few-shot Talking-Head Synthesis [68.3787368024951]
複数発話頭合成のための新しいアプローチを提案する。
この異方性表現は,従来の手法よりも大幅に改善されることを示す。
論文 参考訳（メタデータ） (2021-04-29T17:59:42Z) - 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure
Prior [50.73148041205675]
セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。
低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。
提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
論文 参考訳（メタデータ） (2020-03-31T09:33:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。