We previously proposed a method of

We previously proposed a method of generating free viewpoint
images directly from multi-focus imaging sequences without any
depth estimation. The method is realized with few conditional evaluation
and high parallelism. Therefore, it is very effective for the
method to be implemented to hardware such as FPGA, GPU, and so
on. In this paper, we discuss GPU-based distributed processing for
further acceleration. We show some experimental results by using
synthetic images

ผลลัพธ์ (ไทย) 1:

เราเคยนำเสนอวิธีการสร้างจุดชมวิวฟรีภาพโดยตรงจากลำดับการถ่ายภาพโฟกัสหลายหน้าการประเมินความลึก วิธีการรับรู้ตัวประเมินเงื่อนไขน้อยและ parallelism สูง ดังนั้น มันจะมีประสิทธิภาพมากสำหรับการวิธีที่จะปฏิบัติการฮาร์ดแวร์เช่น FPGA, GPU และบน ในเอกสารนี้ เราหารือใช้ GPU ประมวลผลแบบกระจายที่สำหรับเร่งเพิ่มเติม เราแสดงผลลัพธ์การทดลองบางอย่าง โดยใช้สังเคราะห์ภาพ

ผลลัพธ์ (ไทย) 2:

ก่อนหน้านี้เรานำเสนอวิธีการในการสร้างจุดชมวิวฟรี
ภาพโดยตรงจากการถ่ายภาพหลายโฟกัสลำดับโดยไม่ต้องมี
การประมาณค่าความลึก วิธีการที่จะตระหนักกับการประเมินผลที่มีเงื่อนไขไม่กี่
และขนานสูง ดังนั้นจึงเป็นสิ่งที่มีประสิทธิภาพมากสำหรับ
วิธีการที่จะดำเนินการกับฮาร์ดแวร์เช่น FPGA, GPU, และอื่น ๆ
บน ในบทความนี้เราจะหารือกระจายการประมวลผลของ GPU ที่ใช้สำหรับการ
เร่งต่อไป เราแสดงบางส่วนผลการทดลองโดยใช้
ภาพสังเคราะห์

ผลลัพธ์ (ไทย) 3:

เราเคยเสนอวิธีการสร้างฟรีมุมมอง
ภาพโดยตรงจากหลายโฟกัสภาพลำดับโดยไม่
ความลึกประมาณ วิธีการตระหนักกับการประเมินตามเงื่อนไข
น้อยและความสูง ดังนั้น มันมีประสิทธิภาพมากสำหรับ
วิธีจะดำเนินการกับฮาร์ดแวร์เช่น FPGA , GPU และดังนั้น
. ในกระดาษนี้เราหารือเกี่ยวกับ GPU ประมวลผล
ตามกระจายเร่งความเร็วต่อไป เราแสดงผลการทดลองบางอย่างโดยใช้
ภาพสังเคราะห์