Ubiquitous mobile devices are used

Ubiquitous mobile devices are used for various tasks in computer vision. Wagner et al. perform robust 6DOF natural feature tracking using modified SIFT and Ferns as descriptors [11]. In order to allow computation on mobile devices, extensive modifications are carried out to the basic concepts of SIFTand Ferns,followed by a instructive evaluation of system performance. Despite severe limitations in processing speed and memory bandwidth, they achieve real-time performance when using textured planar targets on current-generation phones. Klein and Murray present a system for parallel tracking and mapping on camera phones [7]. They implement a key-frame based SLAM system that is capable of generating and augmenting small maps. Limited computational resources and problems in image acquisition such as a rolling shutter a respecifically accounted for to allow computation on mobile devices (iPhone 3G). In the system at hand robust estimation of object features from a single input image must be performed. Due to the nature of the problem, it seems justified to run through a separated segmentation, feature extraction and classification step (depending on the feature), in which tasks may be optimised independently. For each of the steps needed in our application, a vast amount of literature is available, but self-contained work on how to perform these steps efficiently on mobile devices is not available. Thus, we propose a series of solutions which make the problem computable on current mobile phones in instant time.

ผลลัพธ์ (ไทย) 1:

อุปกรณ์มือถือที่แพร่หลายที่ใช้สำหรับงานต่าง ๆ ในคอมพิวเตอร์วิทัศน์ วากเนอร์ et al.ดำเนินการติดตามคุณลักษณะธรรมชาติแข็งแกร่ง 6DOF ใช้ modified SIFT และเฟิร์นเป็นตัวบอก [11] เพื่อให้การคำนวณบนอุปกรณ์มือถือ ครอบ modifications จะดำเนินการกับแนวคิดพื้นฐานของ SIFTand เฟิร์น ตาม ด้วยการประเมินประสิทธิภาพของระบบการให้คำแนะนำ แม้ มีข้อจำกัดที่รุนแรงในการประมวลผลความเร็วและหน่วยความจำแบนด์วิธ พวกเขาบรรลุประสิทธิภาพการทำงานแบบเรียลไทม์เมื่อใช้พื้นผิวระนาบเป้าหมายบนโทรศัพท์มือถือรุ่นปัจจุบัน Klein และ Murray ปัจจุบันระบบติดตามแบบขนาน และการแม็ปบนกล้องโทรศัพท์มือถือ [7] พวกเขาใช้คีย์เฟรมตามสแลมระบบที่มีความสามารถในการสร้าง และการเพิ่มแผนที่ขนาดเล็ก ทรัพยากรคอมพิวเตอร์จำกัดและปัญหาซื้อภาพเช่นชัตเตอร์ที่กลิ้ง respecifically การคิดให้คำนวณบนอุปกรณ์มือถือ (iPhone 3g) ในระบบที่ ต้องดำเนินการประเมินประสิทธิภาพของวัตถุจากภาพอินพุตเดียว เนื่องจากลักษณะของปัญหา มันดูเหมือนว่า justified เพื่อเรียกใช้ผ่านแยกแบ่งส่วน การสกัดคุณลักษณะ และขั้นตอน classification (ขึ้นอยู่กับคุณสมบัติ), ในงานที่อาจปรับได้อย่างอิสระ สำหรับแต่ละขั้นตอนจำเป็นในโปรแกรมของเรา มีวรรณกรรมจำนวนมาก แต่ไม่มีงานอยู่ด้วยตนเองในวิธีการดำเนินการ efficiently ขั้นตอนเหล่านี้บนมือถือ ดังนั้น เรานำเสนอชุดของโซลูชั่นซึ่งทำให้ปัญหา computable บนโทรศัพท์มือถือปัจจุบันในทันทีเวลา

ผลลัพธ์ (ไทย) 2:

โทรศัพท์มือถือที่แพร่หลายที่ใช้สำหรับการงานต่างๆในคอมพิวเตอร์วิสัยทัศน์ แว็กเนอร์, et al ดำเนินการที่แข็งแกร่ง 6DOF คุณลักษณะธรรมชาติติดตามโดยใช้ร่อน Modi Fi เอ็ดและเฟิร์นเป็นตัวบอก [11] เพื่อที่จะช่วยให้การคำนวณบนโทรศัพท์มือถือ, Modi กว้างขวางไพเพอร์ Fi มีการดำเนินการถึงแนวคิดพื้นฐานของ SIFTand เฟิร์นตามด้วยการประเมินผลการให้คำแนะนำด้านประสิทธิภาพของระบบ แม้จะมีข้อ จำกัด อย่างรุนแรงในการประมวลผลความเร็วและแบนด์วิดธ์หน่วยความจำที่พวกเขาประสบความสำเร็จในการปฏิบัติงานจริงของเวลาเมื่อใช้เป้าหมายระนาบพื้นผิวบนโทรศัพท์รุ่นปัจจุบัน Klein และเมอเรย์นำเสนอระบบการติดตามขนานและการทำแผนที่บนโทรศัพท์มือถือกล้อง [7] พวกเขาใช้คีย์เฟรมระบบ SLAM ตามที่มีความสามารถในการสร้างและขยายแผนที่ขนาดเล็ก ทรัพยากรคอมพิวเตอร์ จำกัด และปัญหาในการควบรวมภาพเช่นชัตเตอร์กลิ้งถอนรากถอนโคน Fi respeci คิดที่จะช่วยให้การคำนวณบนอุปกรณ์มือถือ (iPhone 3G) ในระบบที่อยู่ในมือประมาณค่าที่แข็งแกร่งของคุณลักษณะของวัตถุจากภาพที่นำเข้าเพียงครั้งเดียวจะต้องดำเนินการ เนื่องจากลักษณะของปัญหาที่ดูเหมือนว่าเอ็ด Justi Fi ที่จะวิ่งผ่านการแบ่งส่วนแยกสกัดบาร์และจัดประเภทขั้นตอน Fi ไอออนบวก (ขึ้นอยู่กับคุณลักษณะ) ซึ่งในงานอาจจะปรับได้อย่างอิสระ สำหรับแต่ละขั้นตอนที่จำเป็นในโปรแกรมของเราเป็นจำนวนเงินที่มากมายของวรรณคดีใช้ได้ แต่การทำงานในตัวเองเกี่ยวกับวิธีการดำเนินการขั้นตอนเหล่านี้อย่างมีประสิทธิภาพ Fi EF บนโทรศัพท์มือถือไม่สามารถใช้ได้ ดังนั้นเราจึงเสนอชุดโซลูชั่นที่ทำให้ปัญหาคำนวณบนโทรศัพท์มือถือในปัจจุบันในเวลาทันที

ผลลัพธ์ (ไทย) 3:

อุปกรณ์มือถือทั่วไปที่ใช้สำหรับงานต่าง ๆในวิสัยทัศน์คอมพิวเตอร์ แว็กเนอร์ et al . แสดงที่แข็งแกร่งคุณลักษณะการติดตามการโมดิ 6dof ธรรมชาติจึงร่อนและเฟิร์นเป็นเอ็ดใน [ 11 ] เพื่อให้คอมพิวเตอร์ในโทรศัพท์มือถือที่กว้างขวางจึงทำให้ Modi จะดําเนินการเพื่อแนวคิดพื้นฐานของเฟิร์น siftand ตามผลการประเมินประสิทธิภาพของระบบ แม้จะมีข้อ จำกัด อย่างรุนแรงในการประมวลผลความเร็วและแบนด์วิดธ์หน่วยความจำที่พวกเขาบรรลุประสิทธิภาพเวลาจริงเมื่อใช้พื้นผิวระนาบเป้าหมายในมือถือรุ่นปัจจุบัน ไคลน์และเมอร์เรย์ ปัจจุบันระบบการทำแผนที่ขนานติดตามและบนโทรศัพท์กล้อง [ 7 ] พวกเขาใช้คีย์เฟรมตามสแลม ระบบที่สามารถสร้างและขยายความแผนที่ขนาดเล็ก ทรัพยากรคอมพิวเตอร์จำกัดและปัญหาในการควบรวมภาพ เช่น ม้วนเป็น respeci คอลลี่จึงคิดให้การคำนวณบนอุปกรณ์มือถือ ( iPhone 3G ) ในระบบที่แข็งแกร่งประมาณคุณสมบัติของวัตถุจากภาพเข้าเดียวจะต้องถูกดำเนินการ เนื่องจากลักษณะของปัญหา มันจึงแค่เอ็ดวิ่งผ่านแยกการแบ่งส่วน , การสกัดคุณลักษณะและขั้นตอนการ classi จึงขึ้นอยู่กับคุณลักษณะ ) ซึ่งในงานจะเพิ่มประสิทธิภาพอย่างเป็นอิสระ สำหรับแต่ละขั้นตอนที่จำเป็นในโปรแกรมของเรามากมายของวรรณคดีสามารถใช้ได้ แต่แบบทำงานเกี่ยวกับวิธีการดำเนินการขั้นตอนเหล่านี้จึง ciently EF บนอุปกรณ์มือถือที่ใช้ไม่ได้ ดังนั้น เราขอเสนอชุดโซลูชั่น ที่ทำให้ปัญหาคำนวณในปัจจุบันโทรศัพท์มือถือในเวลาทันที