CN111738902A - 基于双线性滤波图像层次的大卷积核实时近似拟合方法 - Google Patents

基于双线性滤波图像层次的大卷积核实时近似拟合方法 Download PDF

Info

Publication number
CN111738902A
CN111738902A CN202010169973.3A CN202010169973A CN111738902A CN 111738902 A CN111738902 A CN 111738902A CN 202010169973 A CN202010169973 A CN 202010169973A CN 111738902 A CN111738902 A CN 111738902A
Authority
CN
China
Prior art keywords
image
mip
convolution
layer
sampling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010169973.3A
Other languages
English (en)
Inventor
徐添辰
吴恩华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Software of CAS
Advanced Micro Devices Shanghai Co Ltd
Original Assignee
Institute of Software of CAS
Advanced Micro Devices Shanghai Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Software of CAS, Advanced Micro Devices Shanghai Co Ltd filed Critical Institute of Software of CAS
Priority to CN202010169973.3A priority Critical patent/CN111738902A/zh
Publication of CN111738902A publication Critical patent/CN111738902A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/514—Depth or shape recovery from specularities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于双线性滤波图像层次的大卷积核实时近似拟合方法，其步骤包括：1)对输入图像以双线性滤波进行向下采样，得到图像金字塔MIP；将MIP从最高层级逐步向上采样，得到卷积计算近似拟合图像；其中，向上采样阶段过程中，通过在像素样本p(L+1)与像素样本pdown(L)之间线性插值生成MIP中第L层经过卷积近似滤波的图像，插值混合参数取决于目标卷积核函数为：p(L)＝(1‑α(L))p(L+1)+α(L)pdown(L)；α(L)表示第L层插值混合参数，p(L)为向上采样阶段第L层输出图像里的像素，p(L+1)为对第L+1层向上采样输出的像素样本，pdown(L)为对第L层向下采样输出的像素样本。

Description

基于双线性滤波图像层次的大卷积核实时近似拟合方法
技术领域
本发明属于计算机图形学技术领域，涉及用于光照采样的大卷积核实时近似拟合的方法，具体涉及一种基于双线性滤波图像层次的大卷积核实时近似拟合方法。
背景技术
在实时渲染中，常要用到卷积滤波，其中最常见的效果有图像泛光(bloom)、景深(depth of field,DOF)等后期处理特效。此外，当使用一些诸如屏幕空间环境遮挡(screen-space ambient occlusions,SSAO)和屏幕空间反射(screen-spacereflections,SSR)等流行的实时基于物理渲染(physics-based rendering,PBR)和基于图像光照(image-based lighting,IBL)技术时，高斯模糊也常用于削弱高频噪声，一次提升时域和空域的稳定性。可是，传统的卷积计算复杂度通常与卷积核大小相关，导致在大卷积核的情况下计算量大增。而实时渲染应用更侧重于计算速度和效率方面的要求，反而在质量和滤波精度上可以有些妥协。
与此同时，图像金字塔的构建，又名MIP(multi-image pyramid)映射图生成，在计算机图形学中属于一项成熟的技术。其中，以箱式滤波生成MIP图已经由图形驱动程序完成，集成于微软DirectX 8-11和OpenGL图形接口(Graphics API)；由于驱动的内部优化，这个过程可以执行得非常迅速。而最新一代GPU接口(微软DirectX12，工业锻造标准Vulkan和苹果Metal)要求开发者自行显式实现MIP图生成。其中箱式滤波的MIP向下采样也是非常简单，只需一条双线性插值滤波的GPU采样指令即可。根据以上情况，鉴于GPU生成MIP图的消耗非常低廉，该技术值得加以利用，从而去解决一些复杂的采样问题。
本发明的方法目的是解决实时光照渲染中大卷积核的计算问题。以下对本领域中的现有相关技术进行详细说明，例如高斯模糊，漫反射全局光照(diffuse globalillumination)和镜面反射全局光照(glossy global illumination)：
川濑氏滤波(M.Kawase.Frame Buffer Postprocessing Effects in DOUBLE-S.T.E.A.L.In Game Developers Conference,2003)是一种非常成功的高斯卷积核近似方法，并广泛应用在游戏的高动态范围(HDR)光晕效果模拟。它有多道渲染工序(multi-passes)组成，每道渲染是一个小核的硬件采样。因为所有处理是在原图像进行的，所以每道渲染的开销是相同的。另一方面，景深效果(depth of field)也同样需要高斯模糊操作。但是景深效果要求模糊后的图片是不均匀的，所以需要不同大小的卷积核。为了解决景深效果开销不依赖于核大小的需要，Lefohn等人(A.Lefohn,and J.Owens.Interactivedepth of field using simulated diffusion.U.C.Davis Technical Report,2006)和Zhang Yao等人(Y.Zhang,J.Cohen,and J.D.Owens.Fast Tridiagonal Solvers on theGPU.SIGPLAN Not.45,5,pages 127-136,2010)提出了一种求解热扩散方程的方法模拟景深效果。随后，AMD(H.Gruen.An Optimized Diffusion Depth of Field Solver(DDOF).InGame Developers Conference,2011)提出了GPU并行更友好的Vanilla求解器，代替之前的CR求解器。但总之，解热散方程的线性系统本身计算开销就不小。
实时漫反射全局光照通常采用球面调和(spherical harmonics)函数来表示辐射照度，并通过预计算的方式来实现。一些重要工作包括：辐射照度环境映射(R.Ramamoorthiand P.Hanrahan.An Efficient Representation for Irradiance Environment Maps.InProceedings of the28th Annual Conference on Computer Graphics and InteractiveTechniques(SIGGRAPH),497-500,2001)和预计算辐射照度传输(P.-P.Sloan,J.Kautz,andJ.Snyder.Precomputed Radiance Transfer for Real-time Rendering in Dynamic,Low-frequency Lighting Environments.ACM Trans.Graph.21,3,527-536,2002)。
实时镜面反射全局光照则通过重要性采样(importance sampling)来减少采样数量(Hubert Nguyen.GPU Gems 3.Addison-Wesley Professional,2008)。在实际使用中，镜面反射BRDF中的依赖于视角的Fresnel项和可见性项分别用近似的方法来计算，而和采样相关的分布函数则通过预计算得到(Brian Karis.Real Shading in Unreal Engine 4.InSIGGRAPH Asia 2013course notes,ACM,2013)。
上述的光照计算方法都是通过预计算的方式来达到实时要求，而高效动态地计算辐射照度和镜面反射依旧是难以实现的技术问题。
发明内容
为了更高速实现高质量大核卷积计算的近似，尤其针对其所需应用中目前计算量大的问题，本发明结合双线性插值箱式滤波的MIP映射图，提出一种新的近似计算卷积方法。其计算复杂度与卷积核大小无关，且对GPU高速缓存友好。本发明的方法可用于基于图像的光照(IBL)，甚至光线跟踪的基于物理渲染，对于图形开发者而言非常实用。
本发明的基本思想是利用加权的箱式滤波MIP图像层去拟合目标卷积核(通常是钟形，正态分布)，如图1所示。图中每个MIP层的权重w是未知数，需要求解。
如图2中的流程示意图所示，本发明的算法主流程需进行两阶段处理步骤：向下采样和向上采样。其中，向下采样阶段只是一个普通的图像金字塔(MIP)生成过程，所用到的采样器可以用箱式滤波或者其他微改的类箱式小核简单滤波。而本发明算法核心的主要有效成分在于向上采样阶段。同生成MIP的向下采样阶段类似，向上采样阶段是一个迭代向上采样的过程，由低分辨率层向高分辨率层采样(MIP层级号由大向小，L＝0为最高分辨率层，L＝m为最低分辨率层)，每一次迭代将生成MIP中一层经过近似于目标卷积核滤波的图像。若要生成MIP中第L层经过卷积近似滤波的图像，其中p(L)为向上采样阶段第L层输出图像里的像素，我们只需对上一轮向上采样处理输出的第L+1层图像里的像素样本p(L+1)，与向下采样阶段处理结果中当前分辨率层L的像素样本pdown(L)之间进行线性插值，而插值混合参数取决于目标卷积核函数f：
p(L)＝(1-α(L))p(L+1)+α(L)pdowm(L)
其中，α(L)表示第L层插值混合参数，可以利用MIP层权重w来计算。
Figure BDA0002408835220000031
公式(1)中，m代表最大MIP层的值。
经过数学一系列推导，第l层级MIP的权重w(l)函数可由一个含有原目标卷积函数的导数的表达式计算求得，如下公式：
Figure BDA0002408835220000032
其中，g(l)为原目标卷积函数f关于MIP层级l表达的函数。本发明涉及计算机图形学中实时渲染中三个重大应用的常用卷积近似：高斯函数卷积、Lambertian余弦函数卷积，以及GGX模型卷积(B.Walter，S.R.Marschner，H.Li，and K.E.Torrance.MicrofacetModels for Refraction Through Rough Surfaces.In Proceedings of the 18thEurographics Conference on Rendering Techniques(EGSR'07)，195-206，2007)。它们的卷积函数f和其对应关于l表示的函数g，分别以符号fGauss与gGauss，fLambert与gLambert，以及fGGX与gGGx表示，具体表达式分别为：
Figure BDA0002408835220000033
其中(x，y)为图像坐标，此处按照图像处理中原始高斯卷积函数的定义；根据箱式滤波器性质，卷积核范围x2+y2≈4l；σ即高斯函数中的标准差，它控制着高斯卷积核的有效半径。
Figure BDA0002408835220000034
其中θ为夹角，s为环境纹理图像的边长(以像素为单位)；根据箱式滤波器性质，卷积核范围对应关系为
Figure BDA0002408835220000035
Figure BDA0002408835220000041
Figure BDA0002408835220000042
Figure BDA0002408835220000043
其中r表示光线距离场中的距离值，Mp是相机投影矩阵，
Figure BDA0002408835220000044
和
Figure BDA0002408835220000045
分别是Mp的逆矩阵对角线上的元素，(sx,sy)表示视口(viewport)大小，z是观察空间的线性深度，N和V分别表示法线和观察向量，θNH为法线和光线视线角平分线的夹角，a为GGX模型中的粗糙度。
与现有技术相比，本发明的积极效果为：
本发明提出了一种非常高效的大卷积核近似方法，时间消耗不依赖于卷积核大小。目的是利用硬件高效地产生图像金字塔，一些典型的复杂的卷积操作，如：高斯卷积核、朗伯特(余弦)卷积核，以及GGX卷积核，可以实时动态地近似计算出来，并且不需要大量的采样操作。由于本发明的算法既可以在GPU的图形引擎，也可以在计算引擎上实现，所以当需要进行多个卷积计算任务时，可以利用多个GPU引擎做异步加速计算，进一步增强并行性。
表1是本发明与对应的真实目标(ground truths)以及现有技术的性能对比。
Figure BDA0002408835220000046
附图说明
图1为本发明技术的基本构思图。
图2为本发明方法流程图。
具体实施方式
下面通过具体实施例并配合附图，对本发明做详细的说明。
如图2中的流程示意图所示，本发明的算法主流程需进行两阶段处理步骤：
1)首先对输入图像以双线性滤波进行向下采样，得到图像金字塔MIP；
2)然后将MIP从最高层级逐步向上采样，得到卷积计算近似拟合图像。
其中，向下采样阶段只是一个普通的图像金字塔(MIP)生成过程，所用到的采样器可以用箱式滤波或者其他微改的类箱式小核简单滤波。而本发明算法核心的主要有效成分在于向上采样阶段。向上采样阶段是一个迭代向上采样的过程，由低分辨率层向高分辨率层采样，每一次迭代将生成MIP中一层经过近似于目标卷积核滤波的图像。若要生成MIP中第L层经过卷积近似滤波的图像，其中p(L)为第L层输出图像里的像素，我们只需对上一轮向上采样处理输出的第L+1层图像里的像素样本p(L+1)，与向下采样阶段处理结果中当前分辨率层的像素样本pdown(L)之间进行线性插值，而插值混合参数取决于目标卷积核函数f：
p(L)＝(1-α(L))p(L+1)+α(L)pdown(L)
其中插值混合参数α，可以利用MIP层权重w来计算；而第l层级MIP的权重w(l)函数可由一个含有原目标卷积函数的导数的表达式计算求得。
Figure BDA0002408835220000051
Figure BDA0002408835220000052
本发明涉及计算机图形学中实时光照和渲染中的三个重大应用的解决方案。
(一)图像模糊——高斯模糊效果可以由从公式(1)和(2)经过预积分推导出的混合参数实现：
Figure BDA0002408835220000053
其中
Figure BDA0002408835220000054
且
Figure BDA0002408835220000055
这里，L和l都是MIP层级的表示，它们作为g函数参数的使用情况取决于混合参数α函数中w的参数情况，以下同理。
此外，动态非均匀模糊效果也可以基于我们的高斯模糊实现，只需要将一个非常量标量场代入高斯函数中的标准差σ，用于控制空间上分布不同模糊半径。此应用可以作为一个低计算量消耗景深效果的实现基础。
(二)辐射照度探针生成——辐射照度(irradiance)又译作辐照度或辉度，其探针又作辐射照度映射(irradiance map)是基于图像光照(IBL)中实现漫反射全局光照的一种经典方法。它通常可以从一组由立方环境纹理表示的辐射率探针(radiance probe)经过余弦卷积核的半球采样生成。使用我们的方法可以近似计算余弦卷积核，从而实时生成动态的辐射照度探针。对于一组大小为s的辐射率探针(6片s×s的2D纹理构成一组立方纹理图)，我们将覆盖整张2D纹理片的面积区域映射到半视角π/4。因此，用于余弦函数的g(L)可以近似为
Figure BDA0002408835220000061
接着，根据公式(1)和(2)，针对余弦滤波的混合参数可以通过预积分计算出来：
Figure BDA0002408835220000062
(三)单次采样光线追踪的镜面反射全局光照——镜面反射全局光照是随视角可变的，因此比起基于图像光照(IBL)更适合用光线追踪来实现更高质量的结果。特别是对于没有漫反射的金属材质，其主要光照效果就是镜面反射。可是，要实现一个稳定的镜面反射全局光照效果，需要大量发射光线样本，非常消耗硬件性能。即便使用重要性采样，采样率仍需至少32条光线/像素。否则就需要降噪措施，也是实现起来非常麻烦，并且计算量消耗未必低廉。作为一个拓展应用，我们的方法可以通过单次采样的光线追踪，近似模拟全局光照的效果。其步骤如下：
1)几何缓冲(G-buffer)填充：我们首先绘制几何体，并将法向量场、深度场和其他材质相关的数据存入几何缓冲。
2)光线追踪：我们先从几何缓冲获得和计算初级表面(primary surface)的位置坐标，从初级表面向次级表面(secondary surface)沿着完全镜面反射方向发射光线(1条光线/像素)，并将次级表面的直接光照结果作为反射辐射率场，与到碰撞点的光线段长度一并存入屏幕空间的图像缓冲中。
3)向下采样：向下采样法向量场、深度场、光线距离场以及反射辐射率场(即MIP图生成)。
4)向上采样：在屏幕空间用本发明的近似GGX分布模型根据法向量的接近程度以基于箱式滤波的双边滤波向上采样反射辐射率场。GGX的权重函数w为：
Figure BDA0002408835220000063
Figure BDA0002408835220000071
其中r表示光线距离场中的距离值，Mp是相机投影矩阵，(sx,sy)表示视口(viewport)大小，z是观察空间的线性深度，N和V分别表示法线和观察向量，a为GGX模型中的粗糙度。由于GGX模型很复杂，我们目前无法直接预计算积分，所以其对应混合参数可以用离散求和形式表示为
Figure BDA0002408835220000072
关于本发明涉及的应用结果(高斯模糊、辐射照度探针生成，及镜面反射全局光照)与对应的真实目标(ground truths)以及现有技术的质量和性能比较，我们进行过对比实验。其中，高斯模糊的结果与真实目标(ground truths)的误差，肉眼难以分辨；辐射照度映射的结果与真实目标以及三阶球谐光照相比有一定可观测的误差，但全局光照效果显著且画面没有出现任何影响视觉体验的瑕疵，对于实时应用的用户而言是完全可以接受的；而单次采样光线追踪的镜面反射全局光照相对于多次采样的光线追踪产生的真实目标而言误差虽然比较明显，但反射效果和模糊程度均呈现了镜面反射全局光照应有的颜色变化分布趋势，作为实时渲染应用而言可接受。然后，每个实验组的性能已列于表1。所有的实验都运行于装配有AMD最新一代GPU Radeon RX 5700显卡的机器上，最大时钟频率为1500MHZ。由于本发明的算法独立于其他处理步骤，该表格只统计用本发明涉及的算法实现滤波处理过程的时间消耗，其他诸如光线追踪的处理时间不作统计(涉硬件性能)。
此外，由于本发明的算法既可以在GPU的图形引擎，也可以在计算引擎上实现，所以当需要进行多个卷积计算任务时，可以利用多个GPU引擎做异步加速计算，进一步增强并行性。

Claims (7)

1.一种基于双线性滤波图像层次的大卷积核实时近似拟合方法，其步骤包括：
1)对输入图像以双线性滤波进行向下采样，得到图像金字塔MIP；
2)将MIP从最高层级逐步向上采样，得到卷积计算近似拟合图像；其中，向上采样阶段过程中，通过在像素样本p(L+1)与像素样本pdown(L)之间进行线性插值生成MIP中第L层经过卷积近似滤波的图像，插值混合参数取决于目标卷积核函数为：p(L)＝(1-α(L))p(L+1)+α(L)pdown(L)；其中，α(L)表示第L层插值混合参数，p(L)为向上采样阶段第L层输出图像里的像素，像素样本p(L+1)为对MIP中第L+1层分辨率图像向上采样处理输出的像素样本，pdown(L)为对MIP中第L层分辨率图像向下采样处理输出的像素样本。
2.如权利要求1所述的方法，其特征在于，第L层插值混合参数
Figure FDA0002408835210000011
w(l)为MIP中第l层级的权重，w(L)为MIP中第L层级的权重，m为MIP中的最大层级。
3.如权利要求2所述的方法，其特征在于，
Figure FDA0002408835210000012
g(l)为所述目标卷积函数关于MIP层级l表达的函数。
4.如权利要求3所述的方法，其特征在于，所述目标卷积函数为高斯函数卷积，g(l)对应的函数表达式为：
Figure FDA0002408835210000013
其中σ为高斯函数中的标准差，用于控制着高斯卷积核的有效半径。
5.如权利要求3所述的方法，其特征在于，所述目标卷积函数为Lambertian余弦函数卷积，g(l)对应的函数表达式为：
Figure FDA0002408835210000014
其中s为环境纹理图像的边长。
6.如权利要求3所述的方法，其特征在于，所述目标卷积函数为GGX模型卷积，g(l)对应的函数表达式为：
Figure FDA0002408835210000015
其中，θNH为法线和光线视线角平分线的夹角，a为GGX模型中的粗糙度。
7.如权利要求6所述的方法，其特征在于，
Figure FDA0002408835210000016
其中，r表示光线距离场中的距离值，Mp是相机投影矩阵，
Figure FDA0002408835210000017
和
Figure FDA0002408835210000018
分别是Mp的逆矩阵对角线上首两个元素，(sx,sy)表示视口大小，z是观察空间的线性深度，N和V分别表示法线和观察向量。
CN202010169973.3A 2020-03-12 2020-03-12 基于双线性滤波图像层次的大卷积核实时近似拟合方法 Pending CN111738902A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010169973.3A CN111738902A (zh) 2020-03-12 2020-03-12 基于双线性滤波图像层次的大卷积核实时近似拟合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010169973.3A CN111738902A (zh) 2020-03-12 2020-03-12 基于双线性滤波图像层次的大卷积核实时近似拟合方法

Publications (1)

Publication Number Publication Date
CN111738902A true CN111738902A (zh) 2020-10-02

Family

ID=72645983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010169973.3A Pending CN111738902A (zh) 2020-03-12 2020-03-12 基于双线性滤波图像层次的大卷积核实时近似拟合方法

Country Status (1)

Country Link
CN (1) CN111738902A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022252080A1 (en) * 2021-05-31 2022-12-08 Huawei Technologies Co.,Ltd. Apparatus and method for generating a bloom effect

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0024469D0 (en) * 2000-07-19 2000-11-22 Namco Ltd Computer program, computer program product, image generation apparatus, computer system and image generation method for generating image
US8212835B1 (en) * 2006-12-14 2012-07-03 Nvidia Corporation Systems and methods for smooth transitions to bi-cubic magnification
CN109461157A (zh) * 2018-10-19 2019-03-12 苏州大学 基于多级特征融合及高斯条件随机场的图像语义分割方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0024469D0 (en) * 2000-07-19 2000-11-22 Namco Ltd Computer program, computer program product, image generation apparatus, computer system and image generation method for generating image
US8212835B1 (en) * 2006-12-14 2012-07-03 Nvidia Corporation Systems and methods for smooth transitions to bi-cubic magnification
CN109461157A (zh) * 2018-10-19 2019-03-12 苏州大学 基于多级特征融合及高斯条件随机场的图像语义分割方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TIANCHEN XU 等: "The Power of Box Filters: Real-time Approximation to Large Convolution Kernel by Box-filtered Image Pyramid", 《SA\'19 TECHNICAL BRIEFS》, pages 1 - 4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022252080A1 (en) * 2021-05-31 2022-12-08 Huawei Technologies Co.,Ltd. Apparatus and method for generating a bloom effect

Similar Documents

Publication Publication Date Title
EP1376472B1 (en) Systems and methods for providing controllable texture sampling
US9754407B2 (en) System, method, and computer program product for shading using a dynamic object-space grid
US9747718B2 (en) System, method, and computer program product for performing object-space shading
US7212207B2 (en) Method and apparatus for real-time global illumination incorporating stream processor based hybrid ray tracing
US6567083B1 (en) Method, system, and computer program product for providing illumination in computer graphics shading and animation
US6801202B2 (en) Graphics system configured to parallel-process graphics data using multiple pipelines
US6664955B1 (en) Graphics system configured to interpolate pixel values
US6525723B1 (en) Graphics system which renders samples into a sample buffer and generates pixels in response to stored samples at different rates
US7982734B2 (en) Spatially-varying convolutions for rendering soft shadow effects
US6496186B1 (en) Graphics system having a super-sampled sample buffer with generation of output pixels using selective adjustment of filtering for reduced artifacts
US6753870B2 (en) Graphics system configured to switch between multiple sample buffer contexts
US6384824B1 (en) Method, system and computer program product for multi-pass bump-mapping into an environment map
US7970237B2 (en) Spatially-varying convolutions for rendering glossy reflection effects
JP2002537614A (ja) 並列のサンプル・ピクセル計算を実行するように構成されたグラフィックス・システム
US6489956B1 (en) Graphics system having a super-sampled sample buffer with generation of output pixels using selective adjustment of filtering for implementation of display effects
Toth et al. Comparison of projection methods for rendering virtual reality.
CN111738902A (zh) 基于双线性滤波图像层次的大卷积核实时近似拟合方法
US6483504B1 (en) Graphics system having a super sampled-sample buffer with efficient storage of sample position information
Meunier et al. Cosine lobes for interactive direct lighting in dynamic scenes
Xing et al. Efficient Hair Rendering under Dynamic, Low-Frequency Environmental Light Using Spherical Harmonics
WO2009018487A1 (en) Spatially varying convolution for rendering effects
ILLUMINATION et al. REAL-TIME HIGH QUALITY
Michael-Grigoriou et al. Real-time high quality HDR illumination and tonemapped rendering
Michael Real-time high quality HDR illumination and tonemapped rendering

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201002