論文の概要: Accelerating Translational Image Registration for HDR Images on GPU

• arxiv url: http://arxiv.org/abs/2007.06483v1
• Date: Mon, 13 Jul 2020 16:34:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 00:33:53.141939
• Title: Accelerating Translational Image Registration for HDR Images on GPU
• Title（参考訳）: GPU上のHDR画像の翻訳画像登録の高速化
• Authors: Kadir Cenk Alpay, Kadir Berkay Aydemir, Alptekin Temizel
• Abstract要約: シーンの複数の露出を用いてハイダイナミックレンジ画像を生成する。 画像は、両方の次元で各イメージをグローバルにシフトすることで整列する必要がある。 本研究では,GPUを用いた並列処理手法を用いて,これらの計算を最適化する。
• 参考スコア（独自算出の注目度）: 2.578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High Dynamic Range (HDR) images are generated using multiple exposures of a scene. When a hand-held camera is used to capture a static scene, these images need to be aligned by globally shifting each image in both dimensions. For a fast and robust alignment, the shift amount is commonly calculated using Median Threshold Bitmaps (MTB) and creating an image pyramid. In this study, we optimize these computations using a parallel processing approach utilizing GPU. Experimental evaluation shows that the proposed implementation achieves a speed-up of up to 6.24 times over the baseline multi-threaded CPU implementation on the alignment of one image pair. The source code is available at https://github.com/kadircenk/WardMTBCuda
• Abstract（参考訳）: シーンの複数の露出を用いて高ダイナミックレンジ(hdr)画像を生成する。 静止シーンを撮影するために手持ちのカメラを使用する場合、これらの画像は両次元で各画像をグローバルにシフトさせることで整列する必要がある。 高速でロバストなアライメントのために、シフト量はMedian Threshold Bitmaps (MTB) を用いて一般的に計算され、画像ピラミッドを生成する。 本研究では,GPUを用いた並列処理手法を用いて,これらの計算を最適化する。 実験により,提案手法は,画像ペアのアライメントによるベースラインマルチスレッドCPU実装の最大6.24倍の高速化を実現している。 ソースコードはhttps://github.com/kadircenk/WardMTBCudaで入手できる。

関連論文リスト

• Accelerating local laplacian filters on FPGAs [11.061707876645764]
  局所ラプラシアンフィルタリングは、単純なガウスピラミッドとラプラシアンピラミッドの構築を含むエッジ対応画像処理技術である。 本稿では,ローカルラプラシアンフィルタアルゴリズムの並列性を完全に活用したハードウェアアクセラレータを提案する。 Virtex-7 FPGAでは、最適化されたベースラインCPU実装と比較して、1MBの画像を処理するための7.5倍のスピードアップが得られる。
  論文  参考訳（メタデータ） (2024-02-18T10:49:23Z)
• Splatter Image: Ultra-Fast Single-View 3D Reconstruction [67.96212093828179]
  Splatter ImageはGaussian Splattingをベースにしており、複数の画像から3Dシーンを高速かつ高品質に再現することができる。 テスト時に38FPSでフィードフォワードで再構成を行うニューラルネットワークを学習する。 いくつかの総合、実、マルチカテゴリ、大規模ベンチマークデータセットにおいて、トレーニング中にPSNR、LPIPS、その他のメトリクスでより良い結果を得る。
  論文  参考訳（メタデータ） (2023-12-20T16:14:58Z)
• CoordFill: Efficient High-Resolution Image Inpainting via Parameterized Coordinate Querying [52.91778151771145]
  本稿では,近年の連続的暗黙表現の発達により,その限界を初めて破ろうとする。 実験の結果,提案手法はGTX 2080 Ti GPUを用いて2048$times$2048の画像をリアルタイムに処理できることがわかった。
  論文  参考訳（メタデータ） (2023-03-15T11:13:51Z)
• {\mu}Split: efficient image decomposition for microscopy data [50.794670705085835]
  muSplitは、蛍光顕微鏡画像の文脈で訓練された画像分解のための専用アプローチである。 本稿では,大規模な画像コンテキストのメモリ効率向上を実現するメタアーキテクチャである横型文脈化(LC)を提案する。 muSplitを5つの分解タスクに適用し、1つは合成データセットに、もう4つは実際の顕微鏡データから導出する。
  論文  参考訳（メタデータ） (2022-11-23T11:26:24Z)
• Accelerated Deep Lossless Image Coding with Unified Paralleleized GPU Coding Architecture [1.2124289787900182]
  我々のアルゴリズムはエントロピーエンコーダと組み合わせたニューラルネットワークに基づいている。 ニューラルネットワークは、ソース画像の各画素に対して密度推定を行う。 次に、密度推定を用いて対象画素を符号化し、圧縮率でFLIFを上回ります。
  論文  参考訳（メタデータ） (2022-07-11T19:34:56Z)
• Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
  EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。 本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
  論文  参考訳（メタデータ） (2022-07-09T09:14:12Z)
• Parallel Discrete Convolutions on Adaptive Particle Representations of Images [2.362412515574206]
  適応粒子表現上の離散畳み込み演算子のネイティブ実装のためのデータ構造とアルゴリズムを提案する。 APRは、サンプリング解像度を画像信号に局所的に適応するコンテンツ適応型画像表現である。 APRの畳み込みは、マルチコアCPUとGPUアーキテクチャを効率的に並列化するスケール適応アルゴリズムを自然に導くことを示す。
  論文  参考訳（メタデータ） (2021-12-07T09:40:05Z)
• RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
  単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。 その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T12:37:58Z)
• Parallel 3DPIFCM Algorithm for Noisy Brain MRI Images [3.3946853660795884]
  本稿では,GPUを用いて並列環境で3DPIFCMと呼ばれる[1]で開発したアルゴリズムについて述べる。 この結果から,並列バージョンはGAIFCMアルゴリズムより最大27倍高速,GAIFCMアルゴリズムより68倍高速であることがわかった。
  論文  参考訳（メタデータ） (2020-02-05T20:30:29Z)
• Efficient Video Semantic Segmentation with Labels Propagation and Refinement [138.55845680523908]
  本稿では,ハイブリッドGPU/CPUを用いた高精細ビデオのリアルタイムセマンティックセマンティックセマンティック化の問題に取り組む。 i) CPU上では、非常に高速な光フロー法であり、ビデオの時間的側面を利用して、あるフレームから次のフレームへ意味情報を伝達するために使用される。 高解像度フレーム(2048 x 1024)を持つ一般的なCityscapesデータセットでは、単一のGPUとCPU上で80から1000Hzの動作ポイントが提案されている。
  論文  参考訳（メタデータ） (2019-12-26T11:45:15Z)

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。