論文の概要: Ultra-Fast Zernike Moments using FFT and GPU

• arxiv url: http://arxiv.org/abs/2304.14492v1
• Date: Thu, 6 Apr 2023 14:39:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 16:21:18.755577
• Title: Ultra-Fast Zernike Moments using FFT and GPU
• Title（参考訳）: FFTとGPUを用いた超高速ゼルニケモーメント
• Authors: Mohammed Al-Rawi
• Abstract要約: 本稿では,Fast Fourier Transform (FFT) とGPUによるZernikeモーメントの計算手法を提案する。 この手法は高精度なモーメントを高次まで生成することができ、4K解像度画像のザーニークモーメントをリアルタイムに計算することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Zernike moments can be used to generate invariant features that are applied in various machine vision applications. They, however, suffer from slow implementation and numerical stability problems. We propose a novel method for computing Zernike using Fast Fourier Transform (FFT) and GPU computing. The method can be used to generate accurate moments up to high orders, and can compute Zernike moments of 4K resolution images in real-time. Numerical accuracies of Zernike moments computed with the proposed FFT approach have been analyzed using the orthogonality property and the results show that they beat other methods in numerical stability. The proposed method is simple and fast and can make use of the huge GPU-FFT libraries that are available in several programming frameworks.
• Abstract（参考訳）: Zernike モーメントは、様々なマシンビジョンアプリケーションに適用される不変機能を生成するために使用できる。 しかし、遅い実装と数値安定性の問題に悩まされている。 本稿では,Fast Fourier Transform (FFT) とGPUによるZernike計算手法を提案する。 この方法は高精度なモーメントを高次まで生成することができ、4K解像度画像のザーニークモーメントをリアルタイムで計算することができる。 fft法を用いて計算したツェルニケモーメントの数値的精度を直交性を用いて解析し, 数値安定性において他の手法に勝ることを示す。 提案手法は単純で高速で,複数のプログラミングフレームワークで利用可能な巨大なGPU-FFTライブラリを利用することができる。

関連論文リスト

• Blind Time-of-Flight Imaging: Sparse Deconvolution on the Continuum with Unknown Kernels [8.59982222642104]
  ToF (Computer Time-of-Flight) イメージングは、エキサイティングで新しい画像モダリティとして登場した。 本稿では,カーネルキャリブレーションを必要とせず,連続体上のスパーススパイクを回復する新しいToFイメージング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T22:42:02Z)
• Batch-FPM: Random batch-update multi-parameter physical Fourier ptychography neural network [0.933064392528114]
  Fourier Ptychographic Microscopy (FPM) は、大規模視野での高解像度イメージングを可能にする計算イメージング技術である。 本稿では,バッチ更新勾配勾配(SGD)最適化戦略を用いた物理ニューラルネットワークに基づく高速かつ堅牢なFPM再構成手法を提案する。 本手法は,低露光時間暗視野画像などの低信号対雑音比データセットに対しても,コンバージェンス性能が向上する。
  論文  参考訳（メタデータ） (2024-08-25T09:24:18Z)
• GloptiNets: Scalable Non-Convex Optimization with Certificates [61.50835040805378]
  本稿では,ハイパーキューブやトーラス上のスムーズな関数を扱う証明書を用いた非キューブ最適化手法を提案する。 スペクトルの減衰に固有の対象関数の正則性を活用することにより、正確な証明を取得し、高度で強力なニューラルネットワークを活用することができる。
  論文  参考訳（メタデータ） (2023-06-26T09:42:59Z)
• QFF: Quantized Fourier Features for Neural Field Representations [28.82293263445964]
  我々は、QFF(Quantized Fourier Features)を用いることで、モデルのサイズが小さくなり、トレーニングが速くなり、複数のアプリケーションの品質が向上することを示した。 QFFは簡単にコーディングでき、高速に計算でき、多くのニューラルネットワーク表現に加えてシンプルなドロップインとして機能する。
  論文  参考訳（メタデータ） (2022-12-02T00:11:22Z)
• Fast-SNARF: A Fast Deformer for Articulated Neural Fields [92.68788512596254]
  本稿では,標準空間とポーズ空間の正確な対応性を求める,ニューラルフィールドのための新しい調音モジュールFast-SNARFを提案する。 Fast-SNARFはこれまでの研究であるSNARFの代替であり、計算効率は大幅に向上した。 変形マップの学習は多くの3次元人間のアバター法において重要な要素であるため、この研究は3次元仮想人間の実現に向けた重要なステップであると考えている。
  論文  参考訳（メタデータ） (2022-11-28T17:55:34Z)
• GPU-accelerated SIFT-aided source identification of stabilized videos [63.084540168532065]
  我々は、安定化フレームインバージョンフレームワークにおけるグラフィクス処理ユニット(GPU)の並列化機能を利用する。 我々はSIFT機能を活用することを提案する。 カメラのモーメントを推定し 1%の確率で 時間セグメントを識別します 実験により,提案手法の有効性を確認し,必要な計算時間を短縮し,情報源の同定精度を向上させる。
  論文  参考訳（メタデータ） (2022-07-29T07:01:31Z)
• Sigma-Delta and Distributed Noise-Shaping Quantization Methods for Random Fourier Features [73.25551965751603]
  我々は、量子化 RFF が基礎となるカーネルの高精度な近似を可能にすることを証明した。 量子化 RFF はさらに圧縮され,メモリ使用量と精度のトレードオフに優れることを示す。 本手法は,この文脈におけるアート量子化手法の他の状態と比較し,いくつかの機械学習タスクにおいて,提案手法の性能を実証的に示す。
  論文  参考訳（メタデータ） (2021-06-04T17:24:47Z)
• Photonic co-processors in HPC: using LightOn OPUs for Randomized Numerical Linear Algebra [53.13961454500934]
  従来のハードウェアでは,次元削減のためのランダム化ステップ自体が計算ボトルネックとなる可能性がある。 ランダム化は,様々な重要なrandnlaアルゴリズムにおいて,精度損失が無視できないほど大幅に高速化できることを示す。
  論文  参考訳（メタデータ） (2021-04-29T15:48:52Z)
• Multiple Video Frame Interpolation via Enhanced Deformable Separable Convolution [67.83074893311218]
  カーネルベースの手法は、ソースフレームと空間適応型ローカルカーネルを囲む単一の畳み込みプロセスでピクセルを予測する。 本稿では,適応カーネルだけでなく,オフセット,マスク,バイアスを推定するための拡張変形性分離畳み込み(EDSC)を提案する。 提案手法は,幅広いデータセットを対象とした最先端の手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-06-15T01:10:59Z)

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。