Bildprädiktion zur Erhöhung der Bildfolgerate für computergenerierte Bildsequenzen auf Basis von Kalman Filterung

En savoir plus sur le livre

Das Hauptaugenmerk dieser Dissertationsschrift liegt auf der Entwicklung einer Alternative zur Erhöhung der Bildrate für computergenerierte Bildsequenzen durch Bildprädiktion. Ziel war es, neue Prädiktionsmethoden zu entwickeln, um computergenerierte Bilder vorherzusagen, wodurch die Bildfolgerate erhöht werden kann, ohne zuvor dargestellte Bilder zu wiederholen. Dies führt zudem zu einer signifikanten Verringerung der Latenzzeit des Gesamtsystems. Die Prädiktion nutzt Informationen aus der Rendering-Pipeline, was eine klare Abgrenzung zu herkömmlichen Videotechniken zur Bildratenerhöhung schafft. Die Arbeit präsentiert drei neue Algorithmen zur Bildprädiktion, die auf den Informationen eines computergenerierten Bildes, dem Z-Buffer und den Kameraparametern basieren. Durch das Einfügen der prädizierten Bilder hinter die entsprechenden computergenerierten Bilder wird die Bildfolgerate verdoppelt, ohne dass der Benutzer störende Einflüsse wahrnimmt. Die Prädiktion erfolgt ohne zusätzliche Verzögerung, da die Ergebnisse direkt nach dem Rendering ausgegeben werden. Die benötigten Daten für die Prädiktion werden mithilfe von Kalman-Filtern erzeugt. Ein innovatives Verfahren zur Vorhersage von Bewegungen und Formänderungen von Objekten basierend auf Objekttransformationsmatrizen wird vorgestellt. Zur Korrektur von Aufdeckungsartefakten werden zwei neuartige Verfahren, das adaptive Median Filter (AMF) und das adaptive zirkulare Med