上海交大提出解决超高清CGH生成中内存和计算能力不足的问题
解决超高清CGH生成中内存和计算能力不足的问题
(映维网Nweon 2024年09月20日)基于深度学习的计算机生成全息CGH展示了巨大的潜力,并产生了令人印象深刻的显示质量。然而,大多数现有技术只能生成1080p分辨率的全息图,而这与AR/VR应用所需的超高分辨率(16K+)相去甚远。
当前CGH框架的主要障碍之一在于消费级GPU的可用内存有限,无法生成更高清晰度的全息图。为了克服上述挑战,上海交大团队提出了一种divide-conquer-and-merge策略来解决超高清CGH生成中内存和计算能力不足的问题。
所述算法允许现有的CGH框架能够以更快的速度合成更高清晰度的全息图,同时保持高保真的图像显示质量。团队通过仿真和实验验证了所提框架的功能。通过将策略集成到HoloNet和CCNN中,在训练期间实现了GPU内存使用量的显著降低,分别降低了64.3%和12.9%。
另外,研究人员观察到全息图生成的速度有了实质性的提高,分别加速了3倍和2倍。特别是,他们首次在NVIDIA GeForce RTX 3090 GPU成功地训练和推断了8K清晰度的全息图。
......(全文 1342 字,剩余 976 字)
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限