선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 빈 공간 탐색을 위한 최소-최대 테이블올 사용한 경우에도 여전히 우수한 성능올 보이며, 특히 스캔라인 최소-최대 테이블과 같이 메모리 참조의 공간 연관성을 많이 이용하는 자료 구조를 도입하면 기존 알고리즘에 비해 2배 이상의 속도 향상을 이룰 수 있다. 또한 실험 결과에 나타난 것처럼 렌더링할 복셀이 많은 데이타일수록 성능 향상의 폭이 크므로, 본 논문은 대용량 볼륨의 대화적 속도 렌더링을 필요로 하는 최근의 요구에 부합한다 향후 과제로는 홀의 발생을 더 효율적이며 좋은 화질을 갖는 방법으로 제거하는 방법을 연구하고자 한다.
- 본 논문에서는 대화적 분류가 요구되는 볼륨 렌더링에서 볼륨과 이미지의 메모리 참조를 모두 스캔라인 방향으로 하는 새로운 모델을 제안하였다. 쉬어-왑을 기반으로 하여 회전 변환을 추가한 제안 모델은 수학적으로 견고하며 개념적으로 명료하다.
- 본 논문에서는 쉬어-왑 분해에 회전 변환을 추가해복셀 스캔라인 방향과 픽셀 스캔라인 방향올 일치 시켜 볼륨과 이미지 메모리를 동시에 순차적으로 참조할 수 있는 렌더링 모델을 제안한다. 제안 모델은 메모리 참조공간 연관성을 높이고 캐쉬 메모리의 적중률(cache hit ratio)을 증가시켜 효율적인 렌더링이 가능하다.
- 단점이 있다. 본 논문에서는 템플릿 기반의 참조 테이블 올 사용해 문제를 해결한다. 투영 연산은 식 (4) 에서 보듯이 전치, 쉬어, 회전, 축소 변환의 곱으로 수행된다.
- 홀의 원인은 회전 변환이므로 주시각축이 y, z와 같이 能 찌 2형태의 회전에서는 흘이 발생하지 않으며, 주시각축이 X 축인 경우만 발생하게 된다. 이와 같은 홀 발생을 제거하기 위해 본 논문에서는 중간 이미지 크기를 축소시켜흘의 발생을 제거하는 축소 변환을 추가하는 방법을 제얀한다.
가설 설정
- 주시각축이 y, z 축인 경우 완전히 동일한 결과가 나오므로 비교에서 제외하였고, 영상의 비교는 주시각축이 X 축인 경우로 한정하였다. 그림 4의 Head는 (a)의 제안 알고리즘과 (b) 의 쉬어-왑 결과가 거의 동일함을 보인다. 그림 5의 Chest에서도 (a)의 쉬어-왑과 (b)의 제안 알고리즘의 결과가 거의 유사한 것으로 나타난다.
- 첫째, 분류작업이 매우 자주 일어난다. 둘째, 볼륨데이타 크기가 크다. 셋째, 대화적 수준의 렌더링 속도를 가져야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.